基于高维统计理论和复杂金融数据的信用风险评估

"本项目申请人和合作者拟利用高维统计方法结合已经过挖掘的独特外部数据对企业风险进行分类画像。作为项目的目标之一，本项目将通过独特外部信息来区分同名的不同自然人，建立起自然人跟企业的网络，进而丰富企业间网络的数据纬度。基于网络结构和独特外部数据，本项目将构建企业动态风险指数，并刻画外部冲击下（例如疫情冲击）风险的在股权网络和供应链网络上的传播模式。

申请人团队认为当前小微企业信用评估面临两个迫切问题：

首先，在高数据维度条件下，传统分类方法效果急剧下降甚至失效。这类数据和问题需要全新的分析方法和框架。信用评估本质上划归为分类（classification）问题，即利用数据中蕴含的有用信息，对企业信用风险水平进行识别。申请人是高维统计理论专家，是高维分类方法最前沿方法发明人，对海量数据高维变量条件的分类识别具有深刻的理论储备。同时，申请人和合作者主持和参与了多项基于复杂数据的信用评级项目，分析数据包括国内最大电商平台的后台交易和信贷数据，香港某著名会计师事务所内部审计数据，国内某省社保系统后台交易数据等。

其次，当前业界对于外部数据的使用存在滥用和误用的情况。这种问题的出现主要源于研究者对企业运作和金融市场实务不熟悉，导致过多无用信息被纳入分析，而真正宝贵的信息，却由于知识储备不足而被忽略。申请人及其合作者是金融市场专家，是前沿的金融研究的实践者，对企业运作理解深刻，并已经积累了多组独特数据库，以用于支持企业信贷评价模型的构建。"