- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 565645 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174916
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
2020年高教社杯全国大学生数学建模竞赛赛题 C题分析与思路!, O7 l. y: I8 \. P7 S
: e' \- P, L1 R7 ?% ~0 g
' ^ w* c/ A& u7 A
+ ], N3 \6 T" W1 W1 g) G# AC题 中小微企业的信贷决策+ f7 v& {9 @; _0 W2 L9 T4 c
**1、**C题题目背景+分析
! o+ J6 h% {/ C# B在实际中,由于中小微企业规模相对较小,也缺少抵押资产,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。银行首先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来确定是否放贷及贷款额度、利率和期限等信贷策略。4 \( h+ q# B* t. m
6 P) a( i7 Q* h7 w* _. ~! b+ d7 n
& A x8 f# Y5 l: i: j$ D7 z6 U# C背景分析:首先题目说明银行目前是根据信贷政策、企业的交易票据信息和上下游企业的影响力评估企业的,判断出怎样的企业是强、供求关系稳定的企业。银行会对其中好的企业给予利率优惠。
, j- k7 z7 C$ m6 i2 l5 [2 P/ S3 Z h9 g( c& w2 U8 b
0 j+ v# \, ?# {& E* k2 \6 u
然后,题目说明了银行具体的评估方式:第一步是,对实力和信誉做出评估,评估结束后,根据评估结果,进行第二步。第二步是,根据一些因素来确定一些策略(之后应该要建立其中的一些模型)放贷及贷款额度、利率和期限等信贷策略。; q! H5 p; t r; V: d9 s& D
5 n5 P9 F! t# x d) U6 X7 Z! _5 V) c# Q/ D4 u: ]
某银行对确定要放贷企业的贷款额度为10-100万元;年利率为4%15%;贷款期限为1年。附件13分别给出了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年统计数据。该银行请你们团队根据实际和附件中的数据信息,通过建立数学模型研究对中小微企业的信贷策略,主要解决下列问题:
0 P( B$ X; ]( R2 ]$ l
) \" O3 r6 M; i9 w( Y. `; ^" `' A6 I0 e' S
背景分析:问题的条件为:贷款额度为10-100万元;年利率为4%~15%;贷款期限为1年。题目设定好了之后,千万不要改变上述的所有条件,不然可能会导致与正确结论之间存在很大出入。
" j# C9 R" a* f& ^7 M**2、**附件(数据集)分析:
* ?2 x! k6 Q+ [1 P, \3 Y! Y附件一sheet1(企业信息)提供了123家有信贷记录企业的相关数据。一共有四个指标,分别为:企业代号、企业名称、信誉评级、是否违约。其中企业代号为id,企业的唯一标识符;企业名称中附有所属的领域,可能需要在后面提取一下,然后做做相同或相似行业间的聚类分析(此处为猜测);信誉评级为abcd四个等级,为离散型数据,可以做聚类分析或者问题可能会需要做预测。我的建议是可以将离散型数据进行量化(比如a100,b80,c60,d40或其他方式做数据映射,方便后期利用一些算法做预测);是否违约为离散型数据,后面可能需要关注评级与违约之间的一种关系,做相关分析之类的。
/ u" Q' h7 S& E( [- |* V8 ^
1 v6 w0 m0 z) w/ C, S, B: H8 _8 {3 t$ v% J- A
Sheet2(进项发票信息)提供了企业代号、发票号码 开票日期、销方单位代号、金额、税额、价税合计、发票状态。具体就不一一展开说了,在后面的思路中用到再说,注意这里的所有数据根据评级是可以和附件三对应以下的。且每一个id的数量、比例等等,或许也可以添加到最后的模型当中,而且有效发票那一列,应该是在数据预处理时用的,应该剔除掉有作废发票的那些记录。(另外,如果一个企业多次出现作废发票,是否可以降低一些这个企业的信誉度,这个大家可以思考一下)负数发票应该是在计算时需要减去的部分(看看是否有与之对应的有效发票)在这里需要具体对题目中说的进项和销项做说明:' v- [ Y% w, o( D' \
" e! `- _* w% T' }( j- \, Z$ S* x2 A1 v
【进项发票:进项票是指增值税中列进项额的发票。购买方。8 |* ~. w: m4 i; p7 ~9 N; X6 x
; k0 V0 A: f2 l' h5 a
( W% N+ U% Q/ u0 \: U1 Y( F' d销项发票:销项指销售货物或劳务给客户,我们需要开给客户的发票。4 n9 ]; b, _' G- J, ?
& x6 }+ @1 R: r
) N) ]8 w+ y) A/ U- o9 _其实增值税发票不分“销项发票”和“进项发票”的。所谓销项,无非是一般纳税人销售时开出的发票,而所谓进项,则是一般纳税人购进货物收取的发票. 当月,该纳税人要缴纳的税金等于销项减去进项,意即:只对“增值”部分纳税。
5 ?" j9 W8 |( f" p6 l/ z7 |2 a
9 ]: H% B! `) l8 r# u
7 x8 e- [( P3 }( P/ L& _8 m举例: R9 S: [. Z/ }; U9 K( p
9 Y8 B, k4 k0 w& o/ u/ ~. u" o5 B
6 g6 v/ P' H4 @: W/ u
购进一件服装,价格100元,税金17元,这17元即为进项税。销售这件服装,价200元,税金34元,这34元为销项税。
' L: I- ?# I/ g/ o& _
. }" {! Z& D+ M* C6 M" c. v1 A2 E& }
假设本月你只销售这一件服装,那么应纳税=34-17=17元。】
7 q6 ?; w4 p3 k6 n! {2 x9 n" o1 z | i) J7 x' a [4 g, J
5 P3 _3 d4 a, J# k0 j1 ?) {( q7 dSheet3(销项发票记录)类同sheet2。7 S; r% f# {, P. C' X
0 d T& I' \( R, a- m2 n
- o& C( L3 D5 E) B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。 X$ q0 F% a* N3 e: I
/ W7 J# M* T- v* s/ s }
* b9 g/ t$ m* f$ U) F
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。
% ?& q2 T* z- O, I) C# o5 q, J7 T! V5 u& H$ H- F
`% g2 {4 @; z+ d+ n, s2 J0 m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。' e+ K3 U. T, `( W
! A+ f6 h. j6 \( ~9 ` {
" K) U- q0 Q; s( |4 ?; R% k6 T**3、**问题分析
4 ^. I: F# H1 Z
. |, L4 V# Z, @0 r" Q$ V$ P+ c' P6 P' S$ u( W! K, b) } q# C/ m6 ` y ]
(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)。: f# g) [% H' K# k4 j
6 V7 Q( c( E: t1 j- T$ O
+ F3 e; P1 O" Y3 D0 t/ j. K. D" }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。7 y3 W" {+ B/ D8 E$ f9 K' k
3 ]0 [% h% x3 O) k+ v
8 ~ J3 v% o, ?
(2) 在问题1的基础上,对附件2中302家企业的信贷风险进行量化分析,并给出该银行在年度信贷总额为1亿元时对这些企业的信贷策略。. \3 f {2 y; w* P; X! o6 `
/ ~; J! L e0 l' l. g$ E: @! u3 C' c
' B; |: ?" p: P/ d# X# D/ @(3) 企业的生产经营和经济效益可能会受到一些突发因素影响,而且突发因素往往对不同行业、不同类别的企业会有不同的影响。综合考虑附件2中各企业的信贷风险和可能的突发因素(例如:新冠病毒疫情)对各企业的影响,给出该银行在年度信贷总额为1亿元时的信贷调整策略。最后注意:上文的所有数据,大家应该关注到数据的预处理,有哪些数据是需要进行标准化之类的,必须要关注哦。
" D! Z4 n9 z+ y; t0 x& ~4 L
# W4 D" B/ X& z, K
" C- d: E% L8 m6 B! S ^附:
: L7 F. ]8 }7 L4 k附件中数据说明:
$ q% X' ?) Z y% b! c# Q! T# M# b# M9 J/ ~3 v0 j, {
. n U; R% ~- {, Q3 s
(1) 进项发票:企业进货(购买产品)时销售方为其开具的发票。; l5 |4 l5 {) i9 G
# o& I2 b. f" O8 @2 w8 s7 d2 {( S8 D7 x
(2) 销项发票:企业销售产品时为购货方开具的发票。7 s+ v Z: ?! Y* A& M- I0 V
. X4 t8 x% y+ t9 T9 P" ]; ~: G# Q3 t' q' C# K% P9 B% J
(3) 有效发票:为正常的交易活动开具的发票。+ g' [$ S( n+ `) y) S7 b7 P
# N1 X3 Q* g# B# [4 q8 m$ T
. K2 E- n9 p' D6 P0 j(4) 作废发票:在为交易活动开具发票后,因故取消了该项交易,使发票作废。
5 O7 I0 W1 G2 m, m1 H$ `3 u7 n$ v. P0 d4 K: T% ^5 L
j( Q! \0 H9 U! ?
(5) 负数发票:在为交易活动开具发票后,企业已入账记税,之后购方因故发生退货并退款,此时,需开具的负数发票。2 P! U' @7 }1 E5 R- L$ Z
0 k! O r9 k2 p2 ^5 p6 E) }& F% X, ], p: l8 M
(6) 信誉评级:银行内部根据企业的实际情况人工评定的,银行对信誉评级为D的企业原则上不予放贷。
3 d T2 T$ z3 O$ L
' f8 |/ m( C! @3 \
$ j j+ C O" h. x4 V+ ~9 }(7) 客户流失率:因为贷款利率等因素银行失去潜在客户的比率。
; s# f& z% o5 i, z5 a————————————————
9 F& r2 ~& o( f版权声明:本文为CSDN博主「伏城无嗔」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。9 {* j" j) U) j% o
原文链接:https://blog.csdn.net/qq_45281807/article/details/108526131
7 _9 Z, l6 G! s$ z
& W8 V6 D/ D7 K2 X: w! D, {" C9 o4 [
|
zan
|