- 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
- 562821 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174219
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 18
- 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!2 V* r( ]0 ?7 |7 c5 S3 S+ S$ f
) W) y* Z. I) ~1 v
4 ]! K$ A1 l2 F3 F& g9 f9 W% B
7 ^3 s' Q0 `! E" q. v2 T ^" H+ ~! W s6 rC题 中小微企业的信贷决策
+ _# V/ p" z' F3 ~ c**1、**C题题目背景+分析
& [2 _$ n, P/ F7 T. h. \9 }/ 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 u7 S, C0 l1 A6 v& x! w
* a+ z* H' I( j
- b+ g+ }4 B/ x. q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。
8 `6 _1 p! @0 V* ^% o3 v0 |0 |, f2 k0 ~* V
. ~% H! t0 Y g- [: T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。6 U2 y/ h$ {7 I
* w/ B; B; B* X8 P; @9 g; ]& I$ X6 B& N8 a" S' b$ J2 _+ 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:
0 f6 T8 |- i; `- k% M9 l* C% v0 S4 i7 w6 v6 Z: U4 A
0 W/ I) o; h2 E: j* d3 @7 |
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。
+ e6 v3 L2 q8 x1 p: u**2、**附件(数据集)分析:1 k) d; K% O' g% G9 x
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。& u, q" i* ]* t" e+ |0 A K6 o
+ k, f% X1 l) x
+ |# c0 h9 Y# A$ HSheet2(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:
: ~/ D. O. u% J& m9 c y: ~ L, _, M
p. i$ A7 \7 I+ `# p1 G S【进项发票:进项票是指增值税中列进项额的发票。购买方。
1 E$ H9 k" k/ I0 T, T$ }, q+ y b
0 B7 C8 m, i3 D& T& S- s; y% t% q% `
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。
) v2 N6 b. B/ \5 u
* Z) X- Y D: K3 t+ U+ X
0 W2 p+ b- X& a7 P* D/ O- p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。
) P w) F' L) F$ ]( F
3 ~3 p. W" I6 y! Q! I" B+ e1 I; x$ ~1 [2 X8 B% J, r1 E
举例:- S7 x0 }( J6 j, x' Q- j/ i
* J+ q1 R: x/ ?6 U1 U4 u# S
2 Z! S! U( j7 G! Y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。
- @8 ?8 s7 h) h) |- o7 R) _% k2 C' Q: I0 T: X+ z
1 o( n/ ~7 @4 q5 [, E
假设本月你只销售这一件服装,那么应纳税=34-17=17元。】
% {/ V' W/ j( F- \2 P7 t3 p& R1 n
5 S/ A# Q( O' L( y$ G4 |4 Z7 I$ U) p
Sheet3(销项发票记录)类同sheet2。
7 i7 E7 D9 O) r' m! b5 ^, c5 A$ b' c. w4 ~. e. o: u
+ L( Q/ |+ V9 |3 N2 o' `. o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。
: z% d U+ U( p* i
. f# ]4 B* T2 T$ r$ w0 [- \. w- i; x* |# _" o+ {- T" n
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。) Z6 Q& ~% p# @
2 `, f5 `; \9 t, c
. D6 h5 d+ n- k; g- i- V
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。
7 h2 O; U+ L4 t
+ G6 d8 ]5 H1 }( _( w7 M( X
5 K; r3 b/ O7 l, m: L**3、**问题分析3 a# `; H' f1 t3 ^, a% W" Z: a
. y5 Q3 I5 w8 r+ C! [5 ]+ ^# N
(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)。! X, N% I N( `: Q0 W- [* A9 Z& y
& J: q& w/ D$ J6 y
; Y+ D6 w" V3 M6 h
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。
2 l/ |! ?3 A6 a! e! B+ k- L/ k% W& b* {6 ^" y" {
* b. V4 z/ F* Y# o% Y x+ v(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。
# S0 J/ L8 M0 R4 O
6 t" n9 d/ A$ K" f& _+ [+ r
* x+ G' a! r* \(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。0 M3 \; g1 E }: L' R* v: R0 w, Y
2 ]; O3 Z, S7 \# f3 H
# _4 f" z* ^! X+ S0 U) ~9 k附:1 @9 i1 T2 r3 c) Y
附件中数据说明:1 _. X% M* f* @5 W S" c; _, I) _
, ]+ u3 Z& \/ P' G" P, c+ @; ^( e% U Q$ u
(1) 进项发票:企业进货(购买产品)时销售方为其开具的发票。" D1 w0 j8 u8 S# g; I. w7 s
+ \# m) L3 b- ]* Y' Y, Q
0 c' r6 r9 L4 m+ G(2) 销项发票:企业销售产品时为购货方开具的发票。
; s( v% u. ?8 W$ y. l
) J8 x; [! h9 K1 C- V, `! u# m2 d- n0 N0 d
(3) 有效发票:为正常的交易活动开具的发票。% ]% U/ _) l: m2 q4 w
5 R- z3 Z- S, f$ p+ i; S# `& `4 {4 x* o _
(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。2 E9 X. z, l) f& r8 P
7 V, M' D, b8 }0 d" L8 { p, v% u- k
, Q+ d9 W. F$ j9 B2 T) T, R(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。
+ P+ X. }% C+ |( d9 U; k0 I3 n4 o! [' t! T
/ W5 N$ W1 B: \8 a* W! A
(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。1 }% U2 y; Q, b# T. x
1 r+ ~9 A! a+ ]' L! s$ b; ~8 Z$ K3 Y! n
(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。* A; u9 b5 K p
————————————————
- q$ t: I! ^8 I8 f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。# T7 D: p, `- W, B/ A4 i) r8 C
原文链接:https://blog.csdn.net/qq_45281807/article/details/1085261311 K1 ?% Z# f5 m; }1 ?0 A
( n* @% A4 ^, ]9 E7 o
6 l Z) b6 A3 t$ E9 r2 a
|
zan
|