- 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
- 563312 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174216
- 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!
& z; D, |5 l. l8 D
& M. Z; q8 v% m" q& t. M* \- c i; x6 ~* _' f7 i: F
0 ~. a6 n, k7 q; IC题 中小微企业的信贷决策
, ^+ U$ B' M' t- u! [2 F+ b**1、**C题题目背景+分析" ^4 Z+ |0 [+ a ? S
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。5 ]- l2 g& H8 p3 B# M3 |
$ d6 p: v( Q/ v: c
0 @8 }9 L/ J, Y; C4 b) X" 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。+ V! u& k; J3 |( Q0 W
( j! `6 ?) R) b2 P) Y% x! l) ^
# D" t9 L: |& A" N! {0 [: Z2 W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。
1 L1 q" y% G% t P. W* a- A% Y- p* ]* d
& c% F! p; ?! F: l6 M8 D0 N4 B2 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:
% Y$ z+ e" W0 ^; y5 C3 C
( }! S/ Z% \9 ], ~" G j- v$ T; n
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。
& A# d5 e8 Q; c**2、**附件(数据集)分析:
2 H, x4 P- s& V7 ~$ z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。+ e) T- ?& [) z& G: L9 f7 k8 r
1 Z$ y/ e2 j6 K8 k' C# G8 b5 \$ E0 _0 @4 T! |! K
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:
7 H, H* k, B7 ^% W# q E. ?- H% n2 R2 o% e9 {0 Y
2 w0 |$ G' u' n- ~7 `【进项发票:进项票是指增值税中列进项额的发票。购买方。# X" J) |/ O+ ?: D) C- c
0 B6 f8 |2 m1 P' }
* {+ b' ~( i) K$ H0 s6 k
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。
$ k5 l$ q+ K7 P
5 E S" X( W* \; W7 y- J3 u* w% u, R8 N
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。8 t, i8 c, m5 p- E
: B% b5 R, {7 \, w( }% o& ^
( P# [, G5 ^2 P3 ]) K) I! t! x& x举例:
1 \: r# Y0 Y& w* \! r4 Y: w* \3 V5 k( T
7 o) f% P, ?& O& s/ z' S
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。) h4 M( ^; U0 q
. ~( V, c* g! F `2 y0 g0 K
7 C4 v* w3 N" q' ^- r
假设本月你只销售这一件服装,那么应纳税=34-17=17元。】' V t- R: g* R. Q, v4 q
: b6 x y8 W% O u6 z( p6 r' ]
- }1 U$ n8 }2 }8 l- kSheet3(销项发票记录)类同sheet2。
0 f& t6 O4 H4 l: Y" A
~7 k9 f# f, `7 [7 ^- L. a- p# k/ o5 B+ c, J/ 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。
9 N+ ]5 R$ i1 W7 u# \. X' ~+ e+ ]& L% d! ^( x D' }8 V p: u
: b; n$ u* y' z2 b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。
% \# j1 h% {! I/ Q- |3 p; g$ y7 `
7 [! v* H' ^# l# a% }: d" F6 {; r/ p" F2 v6 _ C+ q- G5 c5 O! s9 G- p
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。
5 t6 ^4 q5 Y! x( M( a4 Z5 z
/ z U/ J6 G! W8 }- C# g+ M$ L% Z1 c( t# x4 |8 ?1 j
**3、**问题分析
5 Q$ v. D# d# E6 l. }/ R& h, g
2 Q; \5 c9 d, {: Y3 s7 e
* D5 M$ v* W7 f+ l(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)。7 `7 L+ f# L" |, h8 ~9 W) w) }
# q1 |; l4 H* b+ X' R1 M% s
0 X+ R) g4 }; I$ ?5 f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。
$ n1 s r. ?3 s% L- g# A5 x9 r8 W2 z1 i% m4 r6 Z
2 o# i* I+ I2 [/ @5 {(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。9 ?, P" h: }& Q8 P( ]' \2 [
4 E( f4 c# ^% S
- g! g& Q0 O3 K% D" L. 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。
) M. F3 R" ]/ ~: K- `" ^2 P( Y4 N9 k% K
$ t5 @& e5 J, X2 {' p
附:8 [( D" V; P0 k2 ?
附件中数据说明:
0 H% a E y' S7 ]
1 `* L2 L* c- u$ d, z6 |' v H0 W. g1 L: a
(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 [( b4 R6 l9 ?( P
% P I: R) i! m# r9 f. N1 ]
! z3 l4 ^% f. m( @& D8 |! W6 y(2) 销项发票:企业销售产品时为购货方开具的发票。
( V* ~4 `+ |+ D# i$ W
B5 o; s4 `- E! ~: C
0 g+ q; o) r5 O& x(3) 有效发票:为正常的交易活动开具的发票。
# }! ~( k: F' m( T1 r3 o6 c' J) {
% r6 q7 J6 M# Y5 g4 D1 Y8 _- o) f& M# 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。
) M, H! N& I) m' P' x9 U0 n+ C( `2 |+ N, ~2 V1 u0 A
- A# K- H/ D" F- K1 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 \- h) o3 w* e$ v1 N6 @1 T
$ n* M" ^% @0 {% r1 J$ J0 w( U6 z( n
(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。" k$ ]5 _7 q' `! T l
9 f& e' M( f1 }2 R1 b7 q5 L5 {8 O2 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。
9 s& ? ?0 L4 n" a# }————————————————/ k' j% Z0 t! 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。
$ c; x) y3 s" B. L! ]原文链接:https://blog.csdn.net/qq_45281807/article/details/108526131
' T4 [6 F7 L; ?5 W7 x0 J" `, [4 ^# L7 ~, \! h
0 L- x8 D6 s% X$ s: n! W* ~; t |
zan
|