基于支持向量机的中小企业技术信贷违约预测.pdfVIP

基于支持向量机的中小企业技术信贷违约预测 张 杰 ，赵 峰 (1．山东科技大学经济管理学院，山东青岛266590；2．山东大学 经济学院，济南 250100) 摘 要：文章提 出了一种支持向量机模型，通过构建不同的输入变量评价指标体系来构建中小企业技术信 贷违约预测模型，在对数据集进行训练测试后发现 ，支持向量机模型对预测中小企业技术信贷违约率有很好的 效果 。 关键词：支持向量机 (SVM)；中小企业；技术信贷；违约预测 中图分类号：F830．51 文献标识码：A 文章编号：1002—6487(2013)20—0066—03 (2)由于过度拟合，其结果很难一概而论；(3)缺乏解释力， 0 引言 很难解释神经网络的预测规则。 为了克服上述缺点，本文提出了一种基于支持向量机 导致中小企业技术开发和商品化融资困难的根本原 (SVM)的中小企业技术信用违约预测模型，该模型综合 因是借贷双方无法妥善解决信息不对称问题，主要表现在 考虑了各种输入变量，不仅包括财务比率和中小企业的一 中小企业与投资方之间难以建立长期稳定的关系，致使大 般属性，还包括技术评价因素以及经济指标等，以便对中 多数中小企业在资金的流通方面或多或少地出现困难，从 小企业技术信贷风险和潜在违约情况进行客观、系统的评 而制约了中小企业的创新能力和技术开发。同时，中小企 估与预测。 业因技术开发失败或商品化延期而导致信贷违约现象时 定义设训练实例集五【，yi]是由输入变量z= 和 常出现，这就造成了投资方对中小企业的技术开发产生了 分类值Y∈-1，1， 1，… 构成，对于线性分类实例集， 严重的不信任。为了解决这些问题，以便促进中小企业尤 最优超平面离散二元决策类规则的支持向量是 由如下公 其是科技型中小企业的发展，各级政府根据各个中小企业 式确定： 的技术信贷计分卡情况，往往会对他们的技术开发活动提 N 供大量的资金以促进其技术开发活动。然而，由于非准确 Y=sign(~yfdf(z，z)+6) (‘1) f= l 的技术信贷计分卡的评价，被选定的中小企业的技术信贷 其中，y为结果，Y为分类训练实例集五分类值，其 坏账率明显高于企业获得贷款所依据的财务报表的坏账 代表中小企业技术信贷违约的属性向量；每个向量对应于 率，导致中小企业技术信贷违约没有得到有效的监管，造 一 个输入向量 五 ， 1……．，N ，且为支持向量；b和a 成政府和投资方很大的经济损失，因此，为了加强技术信 为确定的超平面参数。对于非线性离散实例集，式(1)的 贷资金的有效管理，有必要为中小型企业技术信贷违约风 高维形式如下式所示： 险进行预测。 N Y=sign(P,y{屉 ，,32{)+6) (2) f= 1 1 中小型企业技术违约预测的支持向量机方法 其中，被定义为内核函数的函数K表示中小企业技 术信贷违约或潜在违约的不同类型的非线性决策面在输 现有各种方法被用来预测企业的技术信贷违约情况， 入空间集的核函数，相关核函数如下：