1. 研究目的与意义（文献综述）
研究目的与意义：
为缓解小微企业融资难、融资慢、融资贵的问题，近年来中国政府出台了诸多小微企业信贷支持专项政策，积极推进小微企业金融服务。然而，随着商业银行等各大金融机构纷纷加快小微企业贷产品布局，小微企业信贷欺诈现象也愈发难以忽视。部分资金链紧张或动机不良的小微企业利用虚增流水、重复担保、虚假用途等多种欺诈手段诈骗商业银行贷款，信贷欺诈成为了这些小微企业骗取融资、套取资金的非法路径。根据人民银行2015年调查数据，成功获得银行信贷支持的小微企业中，只有38%的小微企业将全部信贷资金投向主营业务，而46%的小微企业将部分资金挪为他用，还有16%的小微企业将资金全部投向房地产、股市等高风险领域。而2016年山东恒丰电力燃料有限公司应收账款质押骗贷案等重大案件，也将小微企业信贷欺诈的风险进一步暴露在银行业和社会大众面前，也引发了广泛关注。
一方面，欺诈因素提升了小微企业信贷支持专项政策的落实难度。有真实信贷需求的小微企业可能错失金融机构的关键授信，反而经过欺诈包装的小微企业成功套取资金。另一方面，欺诈滋生的小微企业不良贷款导致商业银行遭受损失。对商业银行来说，除了贷款资金安全受到直接威胁，其品牌形象和社会声誉也会遭到损害，甚至导致其他客户信心动摇、潜在客户流失。因此，如何有效识别并防范小微企业信贷欺诈，已经成为了商业银行亟需解决的重大问题。面对当前总体上严峻的欺诈风险态势，针对小微企业信贷欺诈，银行应该积极采取相应的反欺诈专业对策，实现识别并遏制相关信贷欺诈行为。
2. 研究的基本内容与方案
研究基本内容：
首先，梳理相关概念与理论基础，对小微企业信贷欺诈、商业银行识别小微企业信贷欺诈的原则与方法、企业信贷欺诈画像、机器学习xgboost模型等方面进行详细阐述。接着，分析中国银行业识别小微企业信贷欺诈的工作现状，并提炼概括其中存在的问题与难点。然后，建立针对信贷欺诈识别的小微企业画像总体框架，递进式地构建企业画像的标签层级体系，并明确用以识别小微企业信贷欺诈的指标维度，基于机器学习xgboost模型，通过数据加工、变量筛选、划分数据集、xgboost模型训练等步骤，提取小微企业信贷欺诈评级标签，以此定量评估小微企业信贷欺诈程度。最后，在上述研究的基础上，为商业银行防范小微企业信贷欺诈提出有针对性的对策及建议。
3. 研究计划与安排
3月6号前，学院完成毕业生参与毕业论文资格认定工作。
3月15号前，完成毕业论文选题调整和课程补退选任务。
3月25号前，学生上传开题报告和外文翻译，指导教师完成评阅审核。
4. 参考文献（12篇以上）
[1]徐建平,余远.小微企业融资特征及信贷模式研究[j].时代金融,2020(05):120-122.
[2]苏蕙,郭炜.银行小微企业信贷风险评价指标优化[j].财会月刊,2020(01):27-32.
[3]金钰,朱鋆,贾黄林.以机器学习平台为基石 打造反欺诈业务360°防护罩——兴业银行风控决策一体化平台解决方案[j].中国金融电脑,2019(12):44-48.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
