- 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
- 565678 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174926
- 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!
g6 [+ Y7 p9 m r) l
2 ?8 N: ?% [5 E6 c$ h4 U" I& l9 P1 `0 t$ g
$ Z! Y9 k. f. t
C题 中小微企业的信贷决策
: E' M$ t: d+ M' t3 C**1、**C题题目背景+分析
7 u/ X4 M+ f8 u5 v0 z. k7 @, I9 C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。
& x9 a5 R: v$ U; }" z/ j u8 F& ~* O- t0 C3 }
0 G4 H% k7 ?6 ?. H g
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。
& x- ^ K. _; f/ u8 A& _0 s, K1 b: U3 b; @. S. x& W2 t
$ O5 |6 O2 I0 @, n- Y: m; o* B
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。
' f3 Q- t. |" I4 R) N3 S$ ^9 y5 P1 [" V
' H4 D& h9 M, U1 O- {+ }( X
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:
4 M- x' b/ _7 K4 C9 m
# l. ?( M+ O0 d" R+ F, X% l+ t& B; _
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。* i! ^: m6 q) F2 t$ K! s1 I6 n
**2、**附件(数据集)分析:
* Y; R7 A8 d2 g1 j" `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。0 J2 A9 D" `. W# w
3 I( j5 t T1 ]
$ u3 N! h, z( K! X
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:/ G8 s, x7 ^9 r, x4 G2 Q% O t* N1 i
1 H+ F: n4 G5 i0 K& G9 U' I
# `1 B$ p+ X/ F1 A- U【进项发票:进项票是指增值税中列进项额的发票。购买方。
% h/ a# M! Q- c2 z' y0 Z. r& R1 ?$ p8 w1 K
, T$ e- ?( P* @
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。
; i7 L4 f, p* h) I! ]2 A" x9 P# c I A. V7 M0 l
- r0 c- U' g, j' R9 n; N. I
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。$ G$ O* Y2 e* C) w) z. q C; v
4 ^% }* f0 _0 w* a* j, t
# r+ j) S4 K9 s( R3 m( p8 \举例:6 a% c; h; K3 S$ }1 _8 w5 l& B$ k
' [0 J( N6 D0 R' x$ g6 ^: p2 B' g
5 {/ I7 r* h. L& 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。
$ a( k& _& o6 u5 G6 x3 s( h' m F; a' O. i1 N
& W& p7 }( o H" R. c6 Z5 o
假设本月你只销售这一件服装,那么应纳税=34-17=17元。】
& W) S5 k8 p, V. a2 l, K/ p3 a7 I, @8 M
* i q: ~3 N4 I5 q+ S! O+ d
Sheet3(销项发票记录)类同sheet2。
3 r8 N+ r, Q. t; S2 `
7 @( c. Z6 M# t' T. r9 |# I* E0 _+ Y" A4 [: d
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。- e) M1 F8 _0 a N8 _* C
* Z' D |7 T& d/ o! M
+ t6 U3 y3 n; N- I2 _0 ]4 `0 n4 c
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。% \4 C: w7 ^* ]
! g, W( `$ Y0 P7 }! f+ A4 O Y
7 x# v4 X, E" q/ V V- c# F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。6 R5 i# Y( `4 J; S
. r3 j! a8 L8 Q2 L% k, D$ V- X2 T; t
**3、**问题分析 i2 m5 H' Y2 `& I: G
C) D; o/ H! C# m2 @: U& e
# b4 l# r8 l, D% j0 x2 R% P; ^: ?(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)。
8 H% a( o- f4 j: ^ n0 q, `* i
% C" c8 W. @% S* j1 I/ a) |1 V c
( g* L9 g. R% i, O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。. Y1 X' f+ A2 v
& p! |3 k. S0 q6 q
" H7 y' r3 L8 O( B: o) O) t d% \3 ^(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。: q W! |0 d0 c5 p! ?0 B
6 p7 }+ e- m& @' i0 r8 ~) f1 I7 |, P% ~+ q
(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。* Z! H4 L" S7 l# I* y2 c
+ ~5 Z9 t, b1 P; r0 N4 Y
d7 T$ T; k6 w% a" k
附:: [: m: ?& x3 B' `7 y' F' R
附件中数据说明:
& M1 ]& b0 n* K2 U+ ^& J; K8 N0 e% X9 p0 q# `/ a: Z- X; O- I
% a3 w5 ]8 ` L l9 D(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 z' `) p6 h" t( w& \2 ~$ S% _$ ~
; }% {" x# K* q! e b; s! A* u
(2) 销项发票:企业销售产品时为购货方开具的发票。/ t. \3 U$ u& {. T2 |7 _
1 c# V3 a/ ~' H* e
( k* g+ m& @8 B9 m S9 O
(3) 有效发票:为正常的交易活动开具的发票。5 i M8 G' {0 b" [% P
! V4 T( H9 Z5 {2 _1 K( A7 B6 T) G: ^' Y- |6 ^% Z8 R
(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 g8 Q9 w( r0 v* p' C
2 L ? p/ F: H: C' `' w& o/ R- h+ ]' F+ @% F) l4 I! Z' ]
(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。
, {- U( `- x/ {+ m/ X1 v- H2 ]! ?8 F& j( U
8 d: b3 I1 B# {8 T$ ~(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。
+ r( u9 i' ?+ C! s7 G* `4 J3 \2 L2 D- l) p2 v9 R0 S9 @: s9 K$ l& I
u, i& G" N% p' ^8 j; s1 i# q
(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" l% j! k( \: N' \0 T6 {* @
————————————————
3 t/ J+ g3 v0 G8 s$ ~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。( a1 m5 z, X- m9 f8 M, a+ Q
原文链接:https://blog.csdn.net/qq_45281807/article/details/108526131
1 g: F! [, f8 G/ E. L. A9 l6 ~! z F7 r
/ A7 y3 w6 Y( l& s% V F/ i
|
zan
|