重要公告

为更好地推广我社的中文期刊,扩大论文展示和被阅读范围,我社将与北京春城教育出版物研究中心合作在中国出版发行专业文集 、 汇编作品等电子出版物。因来稿数量巨大,我社人员有限,实在来不及同各作者一一单独协商, 我社在此特作如下声明:所有作者已发布来稿将同时视为作者同意投递北京春城教育物研究中心用于中国大陆地区相关电子出版物的编制出版使用。如个别作者存有异议,请在本月内来函声明 , 我们将充分尊重作者意愿。即曰起 ,全部投寄我社出版的中文稿件均视为作者同意同时向北京春城教育物研究中心投稿出版,如不想在相关地域出版,请在投递时加以说明。感谢配合和支持!

2020年5月15日

首页出版说明中文期刊中文图书环宇英文官网付款页面工作人员查询

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

全文:

PDF

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.




DOI: http://dx.doi.org/10.12361/2661-3727-04-02-84877

Refbacks

  • 当前没有refback。