讲座题目：《小企业违约风险预警: 指标数值变换的深度学习》The Early warning on default risk of Small Business: Deep Learning on Index Numerical Transformation

主讲嘉宾：迟国泰，大连理工大学经济管理学院二级教授

讲座时间：2022年11月24日（周四）下午19:00—20:30

讲座地点：腾讯会议829-219-590

主 持 人：刘志东，中央财经大学管理科学与工程学院院长

嘉宾简介：

迟国泰，大连理工大学经济管理学院金融学二级教授，管理科学与工程博士。大连理工大学文科领军人才。主要研究领域为金融工程、投资风险管理。现阶段研究方向为大数据环境下的微观信用评价理论与方法研究。在国家自然科学基金委员会管理科学部认定的A类重要学术期刊发表论文160多篇。在Journal of the Operational Research society，International Journal of Finance and Economics，Economic Modelling，Management Decision，Journal of Forecasting等学报发表论文40多篇。出版国家“十二五”规划教材《投资风险管理》一部。先后主持11项中国国家自然科学基金和国家社会科学基金项目，包括国家社会科学基金重大项目和国家自然科学基金重点项目。主持国际合作项目多项；主持大型商业银行、区域性商业银行信用评级和贷款定价项目多项。在信用评级核心技术和算法领域获得国家授权的中国国家发明专利两项。

讲座介绍：

小企业在国民经济中的作用至关重要，小企业的违约风险判别是根据小企业的财务、非财务及外部宏观变量，建立判断小企业违约与否的模型。违约预警的结果可为银行、投资者及监管机构提供决策支持。本研究的创新一是通过把所有n个指标都代入线性支持向量机方法中得到模型的每一个指标的权重，选取第i个权重的绝对值作为标准，把大于等于该标准的所有权重对应的指标挑选出来，就构成了第i个指标组合，由此构造了n个指标组合；在n个指标组合中令综合判别精度F值最大，反推一个最优的指标组合xj。二是在样本数据的变换上，将指标组合xj输入到深度神经网络(Deep neural Network, DNN)进行多次训练，得到神经网络的最优预测值及其最优的权重矩阵Wj，通过Wjxj进行原始数据的数值变换得到违约预测方程SVM的输入。通过采用数值变换后的变量建立预测方程，提高了违约预警的精度。三是本研究构建的违约预警模型精度高于基于径向基变换、决策树变换等5种违约预警模型，也高于LSTM、CNN、GBDT等9种大数据模型。研究发现，相比于财务指标，非财务指标更能反映小企业的违约倾向，且宏观指标的重要性不容小觑。“专利状况”、“总资产周转速度”和“行业景气系数”是影响小企业违约的关键指标。

欢迎感兴趣的师生踊跃参加！

主办单位：管理科学与工程学院