论文部分内容阅读
本文将大量数据进行预处理，筛选出了众多重要的属性，并且根据实际情况架空数个属性，考虑了所有样本，展现了高超的数据预处理的能力和数据脱水分析的能力，然后我们将分析而来的大量数据进行Spearman相关系数的检验，分析出了相关程度较高的数据予以使用，然后通过时间序列模型，分析出了每一种类型企业的运营趋势和存在的问题以及解决的策略，以供银行参考。在对未有合作经验的企业的处理上，我们大胆的使用BP神经网络预测出了302家企业每一家的信用评级，将问题2复杂的情况化为了更直观的根据信用评级来判断的问题。最后，我们以新冠肺炎为例，分析了不同企业类型可能遭受的冲击，以及对这些冲击的严重程度进行可视化处理，并使用灰度预测广泛的分析了各个行业的今后处境，以各个行业中整体的情况帮助银行进行判断。