基于SMOTEBo-trtu-aiLghGBM的中小企业信用风险评估研究rtu.pdfVIP

财税金融FINANCETAXATION

基于SMOTE-Boruta-LightGBM的中小企业信用风险评估研究

张顺云 王爱银

（新疆财经大学统计与数据科学学院 新疆乌鲁木齐 830012）

准确把握中小企业的信用风险状态，对监管者和银行等金融机构意义重大。融合财务指标与非财务指标构

【摘要】

建信用风险预测指标集，本文提出中小企业信用风险预测组合算法SMOTE-Boruta-LightGBM（以下简称“SBL模

型”），即通过SMOTE过采样算法方式，解决样本分类不平衡问题；Boruta算法将自动筛选信用风险特征，选出真正

对预测目标变量有影响的特征；LightGBM作为分类器，实现中小企业信用风险预测。为验证算法的有效性，本文以A

股618家上市公司为研究对象，设计模型对比实验和模型稳定性检验进行算法测试。研究结果表明，SBL模型信用风险

预测算法综合表现优于SVM、Logistic等基本模型，解决了数据不平衡引起的分类紊乱和特征选择问题，对金融机构评

估上市公司的违约风险具有一定的指导意义。

SMOTE过采样； Boruta； 信