# Z9 m8 f( B: g" p& W3 RSheet3(销项发票记录)类同sheet2。 1 T7 U0 R' Q# q% p9 t" ~" f, e4 s }, o
f; c8 C; x/ m: W
附件二为302家无信贷记录企业的相关数据。这里sheet1只有id和企业名称,应该是需要根据后面的sheet2和3来进行预测。这里也许可以利用一下企业名中的行业信息,将其作为一个指标进行预测。比如附件一给出的,哪些行业的信誉度更高一些,这可能是需要在后期做的,可以加分的东西。Sheet2和3类同前面附件1sheet2的分析。9 [/ e) ^- G3 \( M% y
# N2 H. x0 P* R. ~! H r- ^$ I5 x" O0 i
这里可以明显看出需要利用一些机器学习算法做预测,需要大家最好会用python或者matlab,最好用python,因为python有很多集成好的机器学习库以及数据可视化库,大家可以直接调用,非常简单。& Q5 |, m. r3 ^* L7 h6 ]/ A3 u$ A
5 a6 w8 A& `2 N/ ~7 P( X2 X( h5 X* Q0 `
附件三为贷款利率与客户流失率关系的2019年统计数据,除了用于做预测之外,大家或许可以关注一下附件三内部的变化关系。比如随着信誉评级的下降,客户流失率呈现出了怎样的规律,能否量化。相同的信誉评级下,客户流失率又是怎样根据贷款年利率发生变化的。这些东西可能会对解题有所帮助。 4 |+ x* y" f9 o ) t! m! M. q5 @& A1 m 7 l$ U( s6 j5 W8 t% V$ N9 ^**3、**问题分析 + S; z! u# q8 a+ v1 _* R: y* u$ ?6 ]% A% E- f
8 y3 v E- g: W. r
(1) 对附件1中123家企业的信贷风险进行量化分析,给出该银行在年度信贷总额固定时对这些企业的信贷策略。分析:问题一首先要求,此题目必须是根据数据集做量化分析(也就是做数据处理,所有的东西依托的都是数据,最后的模型结果也必须得是数值型数据才行)。此问的条件是年度信贷总额固定,求出信贷策略。此时的题目可以理解为:根据附件1中的sheet1,2,3与附件3,去建立信贷风险模型,风险低于某一阈值说明可以进行贷款。这样就可以判断出是否可以贷款给此企业。这里提供三方面的建议:数据处理方面:sheet1中的评级进行量化(数据映射),是否违约映射为0,1(二分类)当作要预测的目标,计算出企业进项总金额、企业销项总金额、企业总税额、企业进项数、企业销项数(注意,如果是作废发票或者负数发票,需要做相应的处理,见前文)、下面这些是可以加入模型的,但大家可以自己想想有哪些需要加入:月均进项(销项)金额(税额、总金额、总税额)、最高月(也算是旺季)进项(销项)金额(税额、总金额、总税额)。$ q5 o. T2 I) q8 L& [
) R6 @# X' f9 n0 c* F% R3 ^% i 6 t0 Y. i# t8 o4 O% S+ |' U模型建立方面和数据可视化方面,及后续思路,大家关注我,后续会及时更新哦。; D {! Y# G2 A( h4 M3 g+ H# V