实基于XGBoost模型的企业非法集资风险识别

余 宗健, 汪 之鹏, 金古 阿嘎, 陈 玥欣, 饶 师瑗
西南财经大学

摘要

在数字经济时代，利用机器学习方法高效识别企业非法集资风险，愈来愈成为企业数字化监管的重要途径
之一。传统的企业风险管理和学术研究多基于静态局部、人工主导等观念，难以应对瞬息万变的企业发展和大数据
驱动下的风控需求。本文从动态、客观、机器学习的视角出发，结合法律法规和专家经验，构建企业非法集资的用
于识别不同类型关键词词库，基于关键词频率，设计逻辑匹配算法，对企业处罚文本进行识别和标注。在此基础上，
建立XGBoost分类模型，应用于企业非法集资风险识别。研究结果表明，与传统机器学习模型相比，XGBoost模型
效果最优，实现了企业非法集资风险的精准识别，为企业风控和数字化监管提供参考。

关键词

数字化监管；企业非法集资风险识别；自然语言处理；逻辑匹配算法；XGBoost

参考

[1] 方匡南，范新妍，马双鸽 . 基于网络结构 Logistic

模型的企业信用风险预警 [J]. 统计研究，2016，33（04）：

50-55.

[2] 胡贤德，曹蓉，李敬明，阮素梅，方贤 . 小微企

业信用风险评估的 IDGSO-BP 集成模型构建研究 [J]. 运筹

与管理，2017，26（04）：132-139+148.

[3] 沈彦菁，张榕薇，朱维聪 . 基于机器学习方法的

小微企业融资特征分析研究—关于嘉兴市 33305 家小微

企 业 的 SVM 模 型 实 证 分 析 [J]. 金 融 经 济，2019，（10）：

105-108.

[4] 熊正德，张帆，熊一鹏 . 引入 WFCM 算法能提高

信用违约测度模型准确率吗 ?—以沪深 A 股制造业上市公

司为样本的实证研究 [J]. 财经理论与实践，2018，39（01）：

147-153.

[5] 张大斌，周志刚，许职，李延晖 . 基于差分进化

自动聚类的信用风险评价模型研究 [J]. 中国管理科学，

2015，23（04）：39-45.