孙剑斌 魏敏

[摘    要] 随着中国市场化改革的深入，企业的信用风险评估显得尤为重要，金融机构已经将其作为评估信贷风险、降低违约率以及增加现金流的关键途径，因此，加强企业信用风险评估模型的研究势在必行。本文选取上交所555家上市公司2012-2018年的财务数据作为研究样本，首先运用因子分析方法筛选企业信用风险评估模型的财务指标;其次构建基于决策树与神经网络两种不同算法的企业信用评估模型;最后将两者进行比较，结果显示，从综合性能看神经网络比决策树效果更好。

[关键词] 决策树;神经网络;信用风险评估;上市公司

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2021. 01. 042

[中图分类号] F275;F276.6    [文献标识码]  A      [文章编号]  1673 - 0194（2021）01- 0100- 07

0      引    言

改革开放以来，我国资本市场得到了快速发展，已成为我国众多企业筹集资金的重要场所。上市公司作为资本市场的重要主体之一，其信用状况将对资本市场的交易活动产生重要的影响。因此，对上市公司信用风险评估具有非同寻常的意义。业界及学者一直在探索和研究企业信用风险评估方法，试图找到企业在利润和风险之间的动态平衡點。同时，使用先进的技术手段建立企业信用风险评估模型。目前，信用风险评估模型可以分为三大类：第一类是传统信用风险度量模型，主要包括专家制度模型、Z值评分模型、ZETA模型等;第二类是现代信用风险度量模型，主要有KMV预约违约率模型、信用度量术模型、信用风险附加模型、信贷组合观点模型、死亡率模型等;第三类是以大数据、人工智能为主的信息技术信用风险评估模型。……