利用网络数据预测企业失信行为

传统的企业信用水平分析方法多从企业规模、经营地、行业类别、注册与实缴资本等特征属性出发,缺少基于海量关联数据的深入分析。为了解决这个问题,采集、清洗了大量数据,建立了包含400多万家企业的有向投资网络,其中存在各类失信行为的企业有近26万家。研究结果显示,企业失信行为存在明显的“网络效应”,目标企业的股东或者投资企业若存在失信行为,则目标企业发生失信的风险远远大于平均值。基于此,提出了简单的预测企业失信行为的算法,其精确性远远超过了不考虑网络效应的回归方法。...

Full description

Saved in:
Bibliographic Details
Published in大数据 Vol. 4; no. 5; pp. 41 - 49
Main Authors 周涛, 李艳丽, 李倩, 陈端兵, 谢文波, 吴桐, 曾途
Format Journal Article
LanguageChinese
Published 人民邮电出版社有限公司 01.10.2018
电子科技大学大数据研究中心,四川 成都,611731%成都数联铭品科技有限公司,四川 成都,610041%电子科技大学大数据研究中心,四川 成都 611731
成都数之联科技有限公司,四川 成都 610041
Subjects
失信行为预测
企业征信
网络效应
Online AccessGet full text
ISSN2096-0271
DOI10.11959/j.issn.2096-0271.2018049

Cover

More Information
Summary:传统的企业信用水平分析方法多从企业规模、经营地、行业类别、注册与实缴资本等特征属性出发,缺少基于海量关联数据的深入分析。为了解决这个问题,采集、清洗了大量数据,建立了包含400多万家企业的有向投资网络,其中存在各类失信行为的企业有近26万家。研究结果显示,企业失信行为存在明显的“网络效应”,目标企业的股东或者投资企业若存在失信行为,则目标企业发生失信的风险远远大于平均值。基于此,提出了简单的预测企业失信行为的算法,其精确性远远超过了不考虑网络效应的回归方法。
ISSN:2096-0271
DOI:10.11959/j.issn.2096-0271.2018049