基于CNN-ILSTM模型的企业信用风险预测研究  

作　　者：王芷琰 张新生[1] 

机构地区：[1]西安建筑科技大学管理学院

出　　处：《经营与管理》2024年第7期111-119,共9页Management and Administration

基　　金：陕西省教育厅重点科学研究计划项目(20JT033)。

摘　　要：结合SMOTE算法、XGBoost算法、CNN算法和改进LSTM算法构建评价指标体系,对企业信用风险进行预测。利用SMOTE算法进行数据扩充,利用XGBoost算法对评价指标进行降维筛选,最终确定评价指标体系。利用CNN算法对信用风险影响指标进行二次筛选,同时与LSTM网络进行残差连接,将数据输入到训练好的模型中,进行企业信用风险预测。以我国房地产上市公司2017—2020年企业信息为样本开展实证研究,结果显示,所构建模型预测准确率达到98.67%,适用于企业信用风险预测领域。

关 键 词：房地产企业 信用风险 卷积神经网络(CNN) 长短期记忆神经网络(LSTM) 提升树模型(XG-Boost) 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] F299.233.42[自动化与计算机技术—控制科学与工程]