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！

杨利霞

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！

) j' n" @8 u; P; j

+ U, ]2 l5 ?0 ~/ EC题 中小微企业的信贷决策
# q' l5 E) a* V$ Y  i**1、**C题题目背景+分析
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。

  O4 d9 d  J( M! Q
! I7 i& V0 Q7 b$ k7 i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。


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。
% j) P5 _7 e+ o) K  a0 l5 K

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：


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。
9 u5 P1 q0 |( O  X; @**2、**附件（数据集）分析：
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。

$ l' b& T# W( D7 C' ~
$ \8 M' {+ C: V% [1 qSheet2（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：


+ t9 F! [. f# r【进项发票：进项票是指增值税中列进项额的发票。购买方。


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 J1 L( ?$ V! w. _
# \9 P; V4 ~9 I7 O  [3 L- \
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。
# N/ w  c/ Q. r' f' g( Y1 o
6 h' N/ X1 W( O' F
举例：
3 Q! T- E. s8 ?$ Y" d$ }& e& t7 O
- J" f- O! B9 B4 V2 t! I3 l
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。
& j0 O) x* X: c$ Q' p1 @
3 R9 H- I: [$ k& a
假设本月你只销售这一件服装，那么应纳税=34-17=17元。】
( \1 w+ J, E, V

: g+ B$ t+ _. t9 ]5 y7 F' mSheet3（销项发票记录）类同sheet2。

; `4 Y" Q0 {9 y- E1 _2 E
6 f7 R# B5 v- N; A6 c- ^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。

! t. |; }* h7 S  a
  }7 x) Y& P1 c- S, j0 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。
7 L$ `8 h, m0 N/ F# _
' _3 s+ e/ W0 i+ P
; \; S( ]6 e1 ~  x2 N9 H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。


**3、**问题分析
. ^% q5 F, b6 e0 E: t; b/ }# ]

(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）。


% J4 G4 O# f  |9 C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 l* N9 G: t' F/ l: u# D

(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。
% {) S9 l" [; p& a9 |- T

3 }1 R7 ^  v. C" Y4 k& a5 b(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。
; T5 L0 B+ G2 C- [5 M& O6 R
; f) |& F6 v! B9 F# O% U' f
5 c& e6 H9 K& x$ V附：
$ \' c* Z, K& M+ F+ A9 @: L4 b6 D附件中数据说明：


. o1 j* z3 n3 q1 M' F4 w; k5 Y(1) 进项发票：企业进货（购买产品）时销售方为其开具的发票。

2 J: R. R4 S; t7 n3 a; s' y
% k  _5 P- J' ?9 k* G# G(2) 销项发票：企业销售产品时为购货方开具的发票。
" O- a" [3 n3 O2 c, j- n
4 S$ m, h1 d, l, p) M
(3) 有效发票：为正常的交易活动开具的发票。
; X+ t. S6 a) x* E
! y' n, U6 [  p
(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。


3 Z, b2 {+ j/ H; S(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。
7 X# o( M: t. M; i% R$ q" }, f  ?$ K* b
0 C! j6 `+ s$ t! U' A8 v7 s$ M" A" ^
1 O6 v7 R: j8 @% x(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。
. B, n0 R1 Q# ?* B4 i
7 ^, j# |$ y2 h- W& o# X
(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。
$ K( S2 n, z2 f' x# h7 V9 c; [————————————————
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 @; L" c3 x5 M9 C2 L原文链接：https://blog.csdn.net/qq_45281807/article/details/108526131

' B6 T! I& H8 i: f$ X9 `

1051373629

谢谢分享！
, q$ x6 u" I! D* t; g7 b3 V