- 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
- 564709 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174636
- 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!
' ~: ] ~' F+ P2 Q
) \& ~$ p- L8 n/ ^
, w! ]0 ^$ I1 ]5 k5 Q
0 Y1 q; Y4 Y' h2 d) M6 |C题 中小微企业的信贷决策
: w% O) r, o% L B: F; x% C9 h% X. g**1、**C题题目背景+分析
- g" r0 u& V4 [6 [' a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。' v# L0 i) [4 ^' T2 I
+ a& w) ~$ j* C+ ]' e& O
: l( }% Q! `& O; O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。
- e' }3 s: x) r5 l' X! q0 c' L
+ b L' q8 n+ c/ H- }. T _- f! l! S: R, g" l
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。" w- ?$ o5 M8 W$ @% u
% ~; V* ]9 |) {! w: e& Z6 A- R$ I# f8 C
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 u, Q/ P- d$ S; T4 \$ z
% Q4 j8 ]- ~- I) l4 u/ Q# T& O+ J
6 G1 D( X4 @8 k1 w' \' O2 x; Q! `, l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。
/ S8 x& S9 O& b5 m7 L5 G& ]* [**2、**附件(数据集)分析:
, O! \, c5 j& m. 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。
2 F, d3 ]( @5 i* r9 g6 v9 N/ H) u+ f- J% l3 M0 v E) p. m
, Y8 d4 R( N- @- }; O( x. W8 bSheet2(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:- M" L! p/ h* I& W
0 [' ?9 C4 L1 m0 M3 f$ \9 G
: O; O9 j. J Z4 z' `" m
【进项发票:进项票是指增值税中列进项额的发票。购买方。
+ t1 x2 U# c) z1 u/ p+ G
" B I* H7 M) a9 a; b. s- [) }$ w/ [' I: w0 J1 V9 ~( H
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。
% J- p8 r0 `% |4 F
7 O: t7 c. R( u( |: N/ O
9 |3 N. o4 p; S% }8 K' z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。
6 w" z" s: v6 ?& V% z% z
0 l1 Y2 y' h2 c6 t
9 y6 w$ N+ J" r' g/ H举例:
6 J& g! T$ w6 i. K0 Y* M$ [' M0 N; V2 s) x7 R2 ]
( F% w: Z! h* k# B
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。
2 G& H/ w0 _( ?9 k4 ]+ O
: G( v- k" e7 Q; L9 o( M) F$ k n9 a3 l
假设本月你只销售这一件服装,那么应纳税=34-17=17元。】$ @ I$ p. v. b0 u; R9 J
: P& @8 E6 n8 c+ e; {$ w3 |0 f: y3 f2 Z4 ^* L6 i: J% U' t
Sheet3(销项发票记录)类同sheet2。
$ D, l: }- Q4 J4 S% T% \* I, z5 j) ?1 n) A
& ~$ T/ ?# b( z$ i* l! F6 j6 g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。1 r) h0 S5 Y" S- u
% G( L; {. X# s) m& \& N, k
% s d. I/ I" A5 X% U: O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。 C: g* E8 j' b1 h
. t3 V& F' p/ x: J/ a6 c/ l6 ~
9 ]9 [+ L1 ^2 C) z s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。
- q. j' } [+ j
3 Z5 X2 d w, T+ L7 q- u' K7 `0 ^7 j" k3 E9 B, p! X
**3、**问题分析
( d. t2 N. x2 }+ j( P1 n2 P; q, _! d8 Y$ k* J+ H
6 y/ z# g2 D' S: R5 _* S' A
(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)。' [# ~* c/ O9 d
: A4 z4 L& [1 u' M: {1 ^! J" t5 u8 \- X
1 |8 d0 \) u) a6 Y5 D3 e" [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 B$ U0 J) F5 m! B* v
) t/ K; q% t8 z7 d! ~
! z1 F# m' [) m8 x- J 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。& ~8 f5 C6 R6 L- B8 [
2 ^( L& e1 g2 ^5 E3 y" I
( f I1 \" _* A. 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。
: |% g3 J$ E% F- P' {' k
8 L. X# O0 b. a5 _
: j3 Y# U( k% S+ @, q/ R+ L5 K附:
* Y8 z5 b/ t9 u附件中数据说明:( b0 M9 J9 w$ V. D% u9 f
, o7 E( {$ q3 e: d ]* X' k. g
) V t+ ?5 D. O# ~' c, ^: E
(1) 进项发票:企业进货(购买产品)时销售方为其开具的发票。
! H) w4 q( [7 c& M
4 J1 t" ^: ?. \3 }6 V/ w. t+ d2 m4 L+ v
(2) 销项发票:企业销售产品时为购货方开具的发票。0 Y" E' A* D5 V8 g& O c
/ i+ V, o7 T+ i M
3 R5 w" G0 U- b; W; q9 b) b# b
(3) 有效发票:为正常的交易活动开具的发票。
% P7 l, i4 j3 T# s+ c7 d6 w' f+ h) m. h7 r2 h1 q/ a% l
9 X& }2 M. P2 ~9 K0 A
(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。
Y0 M% |# y7 Z7 e
0 G4 u% j) \5 r0 `) v0 i! E3 ^( D5 L. t
(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。) r3 `* { F8 j& y
6 w& R3 V" Q; U
1 G$ k; Q5 Y& T- w(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。% q/ F+ ?5 r- G
( S9 p. ~2 w: W
5 ]# T; m0 Z c1 O+ }& s/ C9 @, V
(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。
7 X' W( `& M. q+ `0 i. W5 T————————————————$ h5 d( M- y0 |: Y7 b
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。7 {1 a, @! ]! H9 P8 J0 V1 S
原文链接:https://blog.csdn.net/qq_45281807/article/details/108526131
) P2 m/ F7 l" E# e# Z1 D7 }: U: f2 I s, }7 P0 h) S
' H) U( e2 F, I |
zan
|