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 564703 点 威望 12 点 阅读权限 255 积分 174634 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!
8 X3 T/ H! i8 V/ k$ f/ \* o, e0 t
. F0 R7 y% N4 l, Q0 j! J 0 r4 y+ S& {$ n8 Z
% B- D" K1 Z: }
C题 中小微企业的信贷决策 6 I! Y/ S L7 }9 Z0 q
**1、**C题题目背景+分析 1 U4 W1 S7 x3 E: Q
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。 ; r" Q3 k5 h' k4 e9 y S" e% x
4 h q1 S! n/ B5 t* j/ c R* A$ W! ~
3 S- g, [# k$ J6 k! c" P 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。 3 t* V; `# h8 C h( s1 Z6 x
2 x2 Y* M" s: `: z! k4 w ! ~, ]0 b/ F, s+ O- Z. P
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。 7 a# I1 ]3 f. t! d. N0 }9 ]
( r# B4 k! \& U
3 W6 X: x b5 Y 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:
! O$ ^4 N: |- n1 Q% |1 v7 k# H % R7 U* ~9 G: p% X* ?( y
+ c6 ~& K; P& y9 A
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。 - f2 K/ L1 Z$ h/ |
**2、**附件(数据集)分析: - L2 `% M7 O* Y+ v
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。 9 ?' V/ y8 e3 ]$ X: ^5 [- n
* l6 C& r9 _/ `1 f; c
( b4 N4 L7 }4 N+ ?2 `! z* R 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:
, @ |! D2 ?* u9 Y: r4 W% a& y) v' e # e/ u( O- n& z5 l! K0 Y2 x
4 {# I' l8 G! J3 i; b9 F 【进项发票:进项票是指增值税中列进项额的发票。购买方。 2 L1 C* N! K& }; s% w
# y$ v3 z+ p5 l, t 6 F* [0 P( p" ^ F! [) `+ E
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。 ' u. I% |+ v0 m3 x% }% F
. I5 }9 X+ K: A: A
& O" L. O# N7 m! D0 \% T8 \4 x8 j
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。
. |4 u4 Q3 t% r- r9 l6 a; p. } * C# a" q" J0 s+ ]: @) U
3 Z! r- r s4 c 举例:
?. R$ g3 ]8 R6 G+ O3 [
( |, G* y% L0 l" d 2 C! j% r& M( Y2 t( q1 k: G3 \
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。 9 |/ G. h E3 A7 I, n6 |# _
. x) `4 t, W' X' R. a2 E; u ; d& E, e( }8 a6 `* W
假设本月你只销售这一件服装,那么应纳税=34-17=17元。】 ' s+ |$ d, @7 V, K4 J# E2 g
* ~1 Y( R; A1 n/ j 2 y. E0 r- M/ }$ l
Sheet3(销项发票记录)类同sheet2。 ! E' b6 p# L/ f+ a: A6 {
1 s! M" F) W! G+ V$ W; d
- c, |5 V0 F& a0 {1 }( g) I' U3 U 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。
+ r9 k7 b; R: {. ~: M. Y 1 k4 o6 A% }# h; k+ Q/ i, {3 Z
$ S9 z% {4 n8 G 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。
9 V$ S5 F' C, B$ D / R- w0 J8 p, u# u2 m
* t$ j; x! y l2 i' T
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。
k. k$ U/ \: O0 H# ]6 b & y. V; f1 W9 ^- v P, A( W0 ? L
% R/ e2 J/ a% [) E0 _ **3、**问题分析
1 E k1 ?' ?; \
& ?/ z, T7 K9 O. E; b5 R f1 u4 A( q5 e" G0 i! }- ~3 x
(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)。 * H# d; S. P3 r6 }6 s" t( l
7 W; @7 c7 I" N% i i- ?3 z0 ?( A2 h: f0 j' w% 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。
& _* Z: j* {% A$ d* c# I 0 t9 f$ T- v& G; L/ N1 P7 Q
9 C. w4 @- J5 G3 a, z- Q (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。 & c; A7 |5 k* D( }- \9 Z
1 P9 P4 }# W: w/ C
7 q) k8 M/ H. X5 W) b8 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。 $ c( o6 g% \0 b
' h& E8 F. ]0 F& l4 t
4 T/ g7 G3 r8 [2 C6 V
附:
* J. R/ w/ N9 P/ v0 A% g 附件中数据说明: % _, b# [# Z9 j' |- b K
& g/ f4 B# V4 ?& O' f! o/ R; L% i 7 Z0 \' j. m2 j1 x
(1) 进项发票:企业进货(购买产品)时销售方为其开具的发票。 3 l0 C4 ~7 M- S7 F
1 ], [8 O5 }' o& i
9 A& C( X% I s! S$ u5 n
(2) 销项发票:企业销售产品时为购货方开具的发票。
/ O# q* r; d" e& q w 5 L) D# Y, T% ^
, f* G4 T6 N" z* K (3) 有效发票:为正常的交易活动开具的发票。 / M/ }7 }4 {% K" l: [; L
) V$ T+ r2 z4 r( O, W2 B- Z: L Y
! s |& J- A) x x5 }- 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。
- T" b0 x5 r; l( ]6 d: D9 z* v
: C2 i) U4 y/ p+ z% G
; ?- i O2 v! _( R" {# _8 ? (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。
6 h. X8 H& {& c! U) \6 R3 }' [& |+ a" ]
# R% B1 j; M7 ~1 B. z, M9 m1 ~3 H
: g3 s" j# {, P (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。 ( M0 S+ V0 D+ j6 z# b
, r2 H) W+ h% Q1 I 1 W, s6 T) B7 G) ~8 h
(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。
. V) ?) f( r% z8 \ ————————————————
+ i1 x+ t* T4 i: L( h 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。
: W! F4 v/ E5 { 原文链接:https://blog.csdn.net/qq_45281807/article/details/108526131 * ^, \/ F! D0 S# I
% B* E& f" f! A/ O
8 K9 ^$ o1 I) W$ |) x' v9 b Z
zan