白 羽， 三郎斯基， 王晓妍， 孙少飞， 王恒友

(1.北京建筑大学 理学院， 北京 100044; 2.北京建筑大学 测绘与城市空间信息学院， 北京 100044;3.北京建筑大学 城市经济与管理学院， 北京 100044;4.北京建筑大学 建筑结构与环境修复功能材料北京市重点实验室， 北京 100044)

在实际生活中，由于中小微企业规模相对较小，缺少抵押资产，因此银行通常是依据信贷政策、企业的交易票据信息和上下游企业的影响力，向实力强、供求关系稳定的企业提供贷款，并可以对信誉高、信贷风险小的企业给予利率优惠。银行会根据中小微企业的实力、信誉对其信贷风险做出评估，然后依据信贷风险等因素确定是否放贷及贷款额度、利率和期限等信贷策略。因此对企业进行信贷风险量化分析是关键性的一步，是保障商业银行贷款安全、提升银行利润的前提和基础[1]。关于信贷风险评估的研究此前已有大量研究，冯怡茗等[2]建立双目标模型前数据预处理不恰当，丢失有效数据，使结果产生一定程度误差；陈家峰等[3]使用的BP神经网络中每项参数所占权重相同，并不能准确反映实际情况。在前人研究基础上，本文采用了层次分析法对有信贷记录的企业进行了信贷风险量化，得到了企业的信用评分；对无信贷记录的企业建立神经网络模型，预测其未违约率，量化分析了信贷风险。

1 问题分析

在2020年全国大学生数学建模竞赛C题“中小微企业的信贷决策问题”[4]中，提出了下面的问题：请利用123家有信贷记录企业的相关数据、302家无信贷记录企业的相关数据和贷款利率与客户流失率关系的2019统计数据，通过建立数学模型对这123家企业和302家企业的信贷风险进行量化分析。……