2020数学建模竞赛C题：信贷风险决策模型与随机森林算法

知识点一：随机森林算法 随机森林是一种集成学习算法，主要用于分类、回归和其他任务。它通过建立多个决策树并进行投票或平均来提高模型的预测准确性和泛化能力。在信贷风险评估中，随机森林算法可以帮助分析和预测企业信贷风险，通过训练集学习企业信贷风险评估指标，如企业规模、合作依存关系、企业资金链稳定程度等，建立信贷风险量化模型。 知识点二：熵权法 熵权法是一种客观赋权方法，主要用于处理多属性决策问题。它通过计算各指标的熵值来确定各指标的权重，避免了主观因素的干扰。在信贷决策模型中，熵权法可以用于对多项重要指标进行权重分配，帮助企业更准确地确定贷款额度。 知识点三：TOPSIS模型 TOPSIS模型是一种多属性决策方法，主要通过计算各方案与理想解和负理想解的距离来对方案进行排序。在信贷决策模型中，TOPSIS模型可以帮助企业对各项信贷决策方案进行排序，从而选择最优的信贷决策方案。 知识点四：蒙特卡洛算法 蒙特卡洛算法是一种基于概率论的随机模拟方法，主要用于求解复杂系统或模型的近似解。在信贷决策模型中，蒙特卡洛算法可以用于求得最优的贷款额度和利率。 知识点五：数学建模 数学建模是一种通过抽象、简化和假设，用数学语言描述现实世界问题的方法。在信贷决策模型中，数学建模可以帮助我们更好地理解和预测企业的信贷风险和信贷需求。 知识点六：信贷风险评估 信贷风险评估是指对借款人或贷款项目可能无法按时还本付息的可能性进行评估。在本项目中，我们通过对有信贷记录的企业进行数据分析，挖掘企业信贷风险评估指标，建立信贷风险量化模型。 知识点七：多项式拟合 多项式拟合是一种通过最小化误差的平方和来寻找数据的最佳函数匹配的方法。在本项目中，我们使用多项式进行利率和客户流失率的函数拟合，求得最优解，作为企业利率的取值。 知识点八：信赖指数模型 信赖指数模型是基于企业月平均流水、多项重要指标和熵权法得到的权重，通过TOPSIS模型得到的企业综合评分，然后选择额度阈值进行归一化，从而建立的模型。这个模型可以帮助企业确定合理的贷款额度。 以上知识点都是本项目的核心内容，通过学习这些知识点，可以帮助我们更好地理解和应用基于随机森林的熵权排序信贷决策模型。