基于最优抽样概率与高精度投票的企业违约预测
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-15页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.1.1 研究背景 | 第7-8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 研究综述 | 第9-12页 |
| 1.2.1 基于采样处理非平衡样本的研究现状 | 第9-10页 |
| 1.2.2 违约预测的研究现状 | 第10-11页 |
| 1.2.3 决策树模型的研究现状 | 第11-12页 |
| 1.3 研究内容及框架 | 第12-13页 |
| 1.3.1 研究内容与方法 | 第12-13页 |
| 1.3.2 研究框架 | 第13页 |
| 1.4 主要创新与特色 | 第13-15页 |
| 2 最优抽样概率与高精度投票模型的基本原理 | 第15-20页 |
| 2.1 抽样概率与平衡样本数量的对应关系 | 第15-16页 |
| 2.2 高精度投票模型的构建原理 | 第16-18页 |
| 2.2.1 单个决策树模型的构建原理 | 第16页 |
| 2.2.2 单个决策树模型的生成 | 第16-17页 |
| 2.2.3 高精度投票的违约预测模型确定 | 第17-18页 |
| 2.3 本章小结 | 第18-20页 |
| 3 最优抽样概率与高精度投票模型的构建 | 第20-29页 |
| 3.1 一个抽样概率时企业违约预测模型的构建 | 第20-25页 |
| 3.1.1 抽样概率与平衡样本数量的对应关系 | 第20-21页 |
| 3.1.2 单个决策树模型的建立 | 第21-22页 |
| 3.1.3 高精度投票的违约预测模型构建 | 第22-25页 |
| 3.2 最优抽样概率pk*的确定 | 第25-26页 |
| 3.3 模型预测精度的检验标准 | 第26-27页 |
| 3.4 指标重要性的检验标准 | 第27-28页 |
| 3.5 信用得分的计算 | 第28页 |
| 3.6 本章小结 | 第28-29页 |
| 4 实证分析 | 第29-44页 |
| 4.1 数据来源和样本选取 | 第29-31页 |
| 4.1.1 数据来源 | 第29页 |
| 4.1.2 样本定义 | 第29-31页 |
| 4.1.3 训练样本与测试样本定义 | 第31页 |
| 4.2 标准化后的指标体系 | 第31-33页 |
| 4.3 最优抽样概率pk*与最优决策树的确定 | 第33-34页 |
| 4.4 预测模型的建立和预测精度的确定 | 第34-35页 |
| 4.5 对比分析 | 第35-38页 |
| 4.5.1 四种情形对比分析 | 第35-37页 |
| 4.5.2 决策树模型与其他经典预测模型对比分析 | 第37-38页 |
| 4.6 指标的违约预测能力分析 | 第38-40页 |
| 4.7 信用特征分析 | 第40-42页 |
| 4.7.1 省份信用特征分析 | 第40-41页 |
| 4.7.2 行业信用特征分析 | 第41-42页 |
| 4.8 本章小结 | 第42-44页 |
| 5 结论 | 第44-46页 |
| 5.1 主要结论 | 第44页 |
| 5.2 主要创新与特色 | 第44-45页 |
| 5.3 展望与不足 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 攻读硕士学位期间发表学术论文情况 | 第50-51页 |
| 致谢 | 第51-53页 |
