关键词:
制造型企业
金融信用风险
压力测试
机器学习
非均衡数据
摘要:
如何有效评估企业金融信用风险状况是当前风险预警领域的研究重点。以我国制造型企业为例,首先通过主成分分析和K均值聚类对企业金融信用风险进行综合打分和等级划分,并深入探究指标重要性;然后使用SMOTE过采样方法解决类别不均衡问题,以提升机器学习模型的预测效果;最后评估各机器学习模型的预测效果,将表现出色的模型作为压力传导模型,通过压力测试分析不同细分行业中企业的抗压能力。研究发现:1)不同信用指标对制造型企业金融信用风险的影响程度存在显著差异,影响最大的是行业偿债能力,影响最小的是企业经营能力;2)在压力测试中,相较于其他模型,MLP模型的整体预测效果最佳,在逐级升压情境下,其P_(MLP)下降幅度和C_(VMLP)上升幅度最小;3)随着压力因素的增加,各细分行业下制造型企业的抗压能力曲线显著下降,若以下降幅度为标准,通用设备制造企业具备较强的抗压能力,而专用设备制造企业的抗压能力较小。研究结果可以帮助利益相关者更有效地评估和管理制造型企业的金融信用风险,降低风险暴露的可能性,促进企业健康发展。