摘要：构建了中小企业信用评价的双隶属模糊支持向量机模型（DFSVM）,使每个训练样本依双隶属度同时隶属于两个信用类别,并通过粗糙集的属性约简方法确定支持向量机的最优输入指标组合。考虑到银行对于信用风险的厌恶,在模型的训练阶段对样本进行了＂非对称＂处理。实证结果表明,与传统的判别分析方法相比,建立的企业信用判别模型精度更高,调整后的模型可以进一步降低银行的信用风险。

关键词：粗糙集 支持向量机 信用评价 双隶属度 

单位：北京航空航天大学经济管理学院 北京100191