Resumen

Las pequeñas empresas y las microempresas desempeñan un papel muy importante en el crecimiento económico, la innovación tecnológica, el empleo y la estabilidad social, etc. Debido a la falta de estados financieros creíbles y de registros comerciales fiables de las pequeñas empresas y microempresas, éstas se enfrentan a dificultades de financiación, lo que se ha convertido en un importante factor que obstaculiza el desarrollo de las pequeñas empresas y microempresas. Por lo tanto, en este trabajo se propone un modelo de medición del riesgo crediticio basado en el algoritmo integrado de GSO (Glowworm Swarm Optimization) y ELM (Extreme Learning Machine) mejorados. En primer lugar, de acuerdo con las características de crecimiento y desarrollo de las pequeñas empresas y microempresas en el entorno de big data, se analiza el mecanismo de formación del riesgo crediticio de las pequeñas empresas y microempresas desde la perspectiva del escalado de granularidad, la asociación transfronteriza y la visión global impulsada por big data, y se establece el sistema de índice de medición integral del crédito resumiendo y analizando los factores que afectan al índice de evaluación crediticia. En segundo lugar, se construye un nuevo algoritmo basado en la integración paralela del algoritmo de optimización adaptativa de enjambre de luciérnagas del conjunto de puntos buenos y la máquina de aprendizaje extremo. Por último, se aplica el algoritmo integrado basado en GSO y ELM mejorados a la modelización de la medición del riesgo crediticio de pequeñas empresas y microempresas, se recogen algunos datos de muestra de pequeñas empresas y microempresas de China y se llevan a cabo experimentos de simulación con la ayuda de herramientas de software MATLAB. Los resultados experimentales muestran que el modelo es eficaz, factible y preciso. Los resultados de la investigación de este documento proporcionan una referencia para resolver el problema de la medición del riesgo de crédito de las pequeñas empresas y microempresas y también sientan una base sólida para la investigación teórica de la gestión del riesgo de crédito.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:microempresas, algoritmo de optimización adaptativa del enjambre de luciérnagas, modelo de medición del riesgo crediticio, modelización de la medición del riesgo crediticio, problema de medición del riesgo crediticio, máquina de aprendizaje extremo, optimización del enjambre de luciérnagas, herramientas de software matlab, entorno de big data, estados financieros creíbles
• Keywords:micro enterprises, adaptive glowworm swarm optimization algorithm, credit risk measurement model, credit risk measurement modeling, credit risk measurement problem, extreme learning machine, glowworm swarm optimization, matlab software tools, big data environment, credible financial statements