2019国赛C题数据分析获奖作品分析与建模

资源摘要信息:"本资源包含了2019年国赛C题数据分析二等奖作品的完整论文和相关代码。该作品旨在通过数据分析帮助银行科学地对中小微企业进行信贷决策，主要涉及财务、客户、信誉和内部业务四个维度的分析，以及决策树模型和聚类分析的建模方法。通过文献资料研究，确定了信贷风险分析的7个关键指标，并使用主成分分析法对指标的重要性进行排序和筛选。随后，作者利用聚类分析将企业信贷风险划分为五个等级，并根据这些等级对企业的贷款额度进行了初步划分。在利润最大化的目标下，作者构建了目标规划模型，并通过拟合得到了贷款年利率与客户流失率的函数关系，进而确定了不同信贷等级对应的贷款利率和贷款政策。对于问题二，作者应用决策树对302家企业进行信誉评估和违约预测，并将预测结果转换为信贷风险评价参数。整篇论文和代码涉及的技能包括数据分析、统计建模、机器学习算法应用等，具体工具使用了MATLAB软件。该资源的文件名称列表为'19数学建模国赛'，暗示了这是一个数学建模竞赛的参赛作品。" 详细知识点如下： 1. 中小微企业信贷风险分析：研究中小微企业的信贷风险，是银行贷款业务中的一个重要环节。信贷风险分析需要从多个角度综合评估，本作品从财务、客户、信誉和内部业务四个维度进行分析。 2. 金融指标的选取：在信贷风险分析中，选取合适的指标至关重要。本作品确定了销售净利率、成本费用收益率、负数税额比率、有效发票率、营业额增长率这7个对信贷风险具有决定性作用的指标。 3. 主成分分析法（PCA）：主成分分析法是一种常用的数据降维技术，能帮助研究者在多个变量中提取最具有代表性的几个主成分，简化数据集的同时尽可能保留原始数据的信息。本作品利用PCA确定了影响信贷风险的最重要因素。 4. 聚类分析：聚类分析是一种无监督的机器学习方法，用于将数据集中的样本划分为多个类别，以使同一类内的样本相似度高，而不同类的样本相似度低。在本作品中，聚类分析被用来将企业的信贷风险分为五个等级。 5. 目标规划模型：目标规划模型是运筹学中的一种方法，用于在多个目标同时存在时，为每个目标设定优先级，并寻找最优解。本作品运用目标规划模型，以银行获得最大利润为目标函数，确定了不同风险等级的贷款年利率。 6. 拟合与函数关系：在金融模型中，确定变量之间的关系对于制定政策至关重要。本作品通过拟合技术得到了贷款年利率与客户流失率之间的函数关系，帮助银行制定贷款政策。 7. 决策树模型：决策树是一种监督学习算法，用于分类和回归任务。它可以用来构建预测模型，通过学习决策规则对数据进行预测。在本作品中，决策树被用来评估企业的信誉等级和预测违约概率。 8. MATLAB软件应用：MATLAB是一种广泛应用于工程计算、数据分析和算法开发的数学软件。本作品中，MATLAB被用来实现数据分析、模型构建和预测等任务，证明了其在金融数据分析中的实用性。 9. 数学建模竞赛：本作品为数学建模竞赛的参赛作品，数学建模是一种结合数学、统计和计算技能以解决现实世界问题的方式。通过参与竞赛，学生能够将理论知识应用到实践中，并提升解决复杂问题的能力。 10. 资源的组织结构：文件名称列表为"19数学建模国赛"，表明这是一个特定年份数学建模竞赛的资源集合，参赛作品通常包括论文和代码，且内容是围绕着竞赛题目所设计的数据分析和建模工作。 通过对这些知识点的了解和应用，研究人员和学生可以加深对中小微企业信贷风险分析方法的理解，并提升运用数据科学和机器学习技术解决实际问题的能力。