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 567281 点 威望 12 点 阅读权限 255 积分 175407 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! " q! }! U6 W# ^; f! o
/ J; f) [6 z1 m3 m1 I- P
3 b, e" E* j2 _! s
+ \5 U9 [1 j! t: K C题 中小微企业的信贷决策 # ~; w9 c4 n t% H: C
**1、**C题题目背景+分析 8 S8 _5 M: w. U6 Q
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。 ' {8 ~' U. y& x/ ~( B1 \; V Z8 p
* f* f1 d9 ]7 e- ?* S. r 0 a+ s1 ]/ L& Z3 X9 c8 H' |- J
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。 ( C3 f" K7 y, K! [1 T% \ z
' E! ~( S9 M5 k
3 U% z3 ]: \# ?2 u; k2 v 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。
! n- Z' K3 k( c( Y) n , `1 K/ G6 J s7 V% ~ g0 t- P
: X( h% d( `" P# f5 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:
% j& d& R) ]* Y3 \5 w) l' h0 h7 d - L2 ]% q4 t" V5 S% k8 O
0 W o, y7 y1 q% h, [0 s% x
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。
$ b% q! g; r9 E3 d7 v9 l **2、**附件(数据集)分析: & L- o0 c3 D' Y$ _9 C- [
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。 ' K f F% _* e* N c4 G$ d+ D
; a& e* o1 ?% k8 [+ q0 i
7 `2 f+ h' {: n+ L/ J' P9 Y
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:
! j2 p" \0 u( N+ d/ Q. [
7 B6 w: I, Q* o( H 5 F4 L9 I' m T
【进项发票:进项票是指增值税中列进项额的发票。购买方。
6 q! U1 B5 `2 Q) }+ @
( ~5 ] i( a1 s2 e- {" ?- l4 v( K% ]7 G 1 O0 ~9 ~; z: ^# ]# 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。
4 d5 ^0 l9 {9 I
- E7 L& m& u& `4 e$ B0 v3 Q5 F
g H+ v5 M( `9 }1 n% ]9 B 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。
. K8 [( o( T- ~; \% [" Q
1 q- M' |( o, |4 ^
& R: ^, M e* P( f$ h8 C0 {/ P 举例: 2 ~; K) D. F% `1 p
+ u6 B# l+ D- }1 g' y' T* }% g5 a
K( w; p) y1 W/ y x 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。
/ ?# F2 n! x* W" u9 ?! A" e. I 0 N9 Z) l+ U" U0 b3 v
# Z' @/ {4 J# ^( l
假设本月你只销售这一件服装,那么应纳税=34-17=17元。】 ! ?8 j. f S1 x3 H$ S2 }
: p+ G1 p+ Y" d
, ?& d* |* u* I Sheet3(销项发票记录)类同sheet2。
- `: f7 h- b y9 g. z0 b% k % g M6 ?" h+ L, W2 a+ p: l( y
9 G. V- D' t/ `1 ~1 R, ^; U4 K- 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。 ; H9 j; a1 M- t5 j/ D
8 w/ R2 u9 W. i* }* C! H
0 l# {. p5 s# k" T6 H/ v5 ~9 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。
+ s/ g4 }3 H6 w5 C! j% R3 _
) ]8 s! E; c/ _7 W
" u3 V; Q, M+ F: G 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。 1 j& b; s7 ^% e4 q- g. C5 j
) l) ` n# @/ U: a" @+ w
, H2 W4 m* ~ D8 F, P **3、**问题分析 % J( h/ g) h9 k/ h+ V! j- h
: b( {. \' W+ L/ t" N3 L+ g7 g
( w# [8 h4 c! D7 T/ L% Y0 H (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)。
# J% x1 F# E% J% ~" T' W: v8 C, G
9 a# j' V! J# U2 {9 ]" x6 U
: {: t3 v1 B: D5 s 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。
6 u+ m% ]( ~, W: O5 I( n 6 k; x. i6 D. E
8 t# B1 w. F& _: T8 Y' u (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。
' B1 @8 G& X: t/ ~0 H: B$ C
$ H# `4 q# {0 l% V$ L" r2 }% E
: o1 D/ | z& Y& W4 K, y/ p; O (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。 & q1 j7 m# J9 t' A( z
& O' {, t, B; w2 ? 1 z& ~7 R" f: u
附:
) Y* B6 T7 j' ~% _5 Z' v 附件中数据说明:
( G. y: g# f; E& Y6 n
4 S j; O8 S u% W ?! N3 }: g - s, L+ `& [( k. \
(1) 进项发票:企业进货(购买产品)时销售方为其开具的发票。 ) `5 r2 a! i+ y6 {$ x6 x
- C$ D8 G* ~% L! v Q4 M
3 k x% m+ @8 N$ ]2 C" W0 e
(2) 销项发票:企业销售产品时为购货方开具的发票。 . c4 k9 R z9 o' W& m
% i! w/ P, \4 R8 i) R7 a% { L0 v
3 U+ @9 x# B& S$ | (3) 有效发票:为正常的交易活动开具的发票。
7 Z- l+ V0 J. a% m3 H
* a# Z: B- |* u$ l
& z7 S5 ~ B& C6 {5 K: v (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。
/ a- N, a/ F0 y& n$ K, ~ . K, n( m; ~' T% K$ Z) n) K
3 m+ E8 _, I) H& }, {; Y( W 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。 " j0 d# l0 P4 j. K
7 r. R8 {7 |5 N; N0 U4 O- o5 [
3 \0 x# R! a( g* g) f# W; j (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。
9 x( T p4 g* e/ S8 P* t5 f2 \% \ : T- h$ F+ M- k1 g- u: e2 x& n" D
: {7 R7 c* w U U# h4 S' S (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。 ( a6 l+ J) v! {
————————————————
1 B& g. [9 P) B' X7 F6 L. } 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。
' H8 g! T2 [) c( M 原文链接:https://blog.csdn.net/qq_45281807/article/details/108526131
. B ^. j# k5 X' T4 R. T
2 ~0 d8 P' i, k) p
5 x7 m4 Q: Z2 Y/ h7 T; c+ i
zan