数学建模实战：基于逻辑回归与优化模型的中小微企业信贷风控决策
1. 项目背景与核心挑战：当数学建模遇上企业信贷
如果你在2020年参加过“高教社杯”全国大学生数学建模竞赛，或者对数学建模如何解决实际问题感兴趣，那么C题“中小微企业的信贷决策”绝对是一个绕不开的经典案例。这道题把一群象牙塔里的学生，直接推到了银行信贷经理的位置上，要求他们用数学模型和算法，去处理一个极其现实且复杂的问题：如何给成千上万的中小微企业，科学地决定“贷不贷、贷多少、利率怎么定”。
这可不是纸上谈兵。中小微企业是经济的毛细血管，但它们普遍存在财务数据不规范、抵押物不足、经营波动大的特点，传统基于财务报表和硬资产的信贷评估方法在这里常常失灵。银行既想支持实体经济，又必须严格控制坏账风险，这个矛盾就是C题的核心。题目提供了一批企业的信贷记录、进销发票、上下游关系等数据，要求参赛者构建模型，对企业的信贷风险进行量化评估，并据此制定差异化的信贷策略。这本质上是在模拟金融科技（FinTech）中的核心环节——智能风控与信贷决策。
我当年作为指导老师，带着学生啃下了这道题。今天，我就以一个过来人的视角，抛开那些复杂的数学符号，把这道题的解题思路、模型构建的底层逻辑、编程实现的技巧，以及那些在论文里不会写的“踩坑”经验，完整地复盘一遍。你会发现，数学建模的魅力不在于堆砌公式，而在于用严谨的逻辑，把一团乱麻的现实问题，梳理成可计算、可优化的清晰路径。
2. 数据解读与问题拆解：从混沌到清晰
拿到题目和数据，第一步不是急着跑模型，而是静下心来，像侦探一样审视所有线索。2020年C题的数据主要包括企业信息、信贷记录、发票信息等。我们的目标很明确：评估企业风险，并给出信贷额度与利率。
2.1 核心数据字段的“业务翻译”
首先，要把冷冰冰的数据字段，翻译成有业务含义的风控指标：
- 企业规模、成立年限：这是企业的“基本面”。通常，成立时间越长、规模越大（虽然都是中小微），抗风险能力相对越强。但这只是非常粗糙的标签。
- 历史信贷记录：这是“硬通货”。包括是否违约、信贷总额、利率水平。一个有过违约记录的企业，其风险必然要上调。这里需要注意区分“未还清”和“已违约”，处理方式不同。
- 进项发票与销项发票：这是洞察企业经营的“核心窗口”。进项反映了企业的采购成本、供应商集中度；销项反映了企业的销售收入、客户质量和业务稳定性。
- 开票时间与金额：可以分析企业的交易活跃度、季节性波动。一个季度末疯狂开票和全年平稳开票的企业，经营模式可能大不相同。
- 作废发票率：作废发票占比过高，可能暗示企业内部管理混乱，或者存在虚开发票的嫌疑（税务风险），这是一个重要的负面信号。
- 上下游关系网络：通过发票中的对方企业名称，可以构建企业的供应链网络。如果一家企业的上下游合作伙伴都是实力雄厚、信誉良好的公司，那么其本身的经营稳定性和信誉背书会更强。反之，如果上下游都是些“皮包公司”或高风险企业，则需警惕。
2.2 问题的三层拆解
题目要求并非单一任务，而是一个决策体系，我们可以将其拆解为三个环环相扣的子问题：
- 风险评估子问题：这是所有决策的基础。目标是根据企业多维度的数据，输出一个量化的风险评分或等级（如A、B、C、D）。这个评分要能综合反映企业的违约概率。
- 信贷额度子问题：在风险可控的前提下，决定给企业贷多少钱。额度太低，无法满足企业需求，失去了信贷的意义；额度太高，银行风险敞口过大。额度模型必须与风险模型强相关，高风险企业理应获得更低额度甚至零额度。
- 利率定价子问题：在给定额度的基础上，如何确定贷款利率？理想状态是“风险收益对等”，高风险客户需要支付更高利率来补偿银行可能承担的损失。但这又受到市场竞争力、政策上限（如LPR倍数限制）的约束。
这三个问题必须串联求解，风险评估是输入，额度和利率是输出，并且需要放在一个统一的优化框架下考虑银行的总收益与总风险。
3. 核心模型构建：从评分卡到优化决策
明确了问题，接下来就是选择并构建数学模型。这道题没有“唯一解”，但主流且有效的思路是构建一个“两阶段模型”：第一阶段用统计/机器学习方法进行信用评分，第二阶段基于评分进行额度与利率的优化分配。
3.1 信用评分模型：特征工程是关键
直接使用原始数据跑模型效果很差，必须进行特征工程，也就是从原始数据中提炼出有预测能力的指标。
我们构建了以下几类特征：
- 经营稳定性特征：计算企业月度、季度的销售收入方差、变异系数。方差越小，说明经营越平稳。
- 盈利能力与效率特征：利用进项和销项数据，可以粗略估算毛利率（（销项总额 - 进项总额）/ 销项总额）。虽然不精确，但趋势可比。还可以计算应收账款周转情况（从开票到回款的假设周期分析）。
- 风险行为特征：历史违约次数、当前逾期金额占比、作废发票率、税务评级（若有）等。
- 供应链特征：上下游企业的数量（集中度）、根据上下游企业名称推测的关联企业风险（例如，同一个法人控制的多家企业频繁交易需注意）。
- 基本面特征：成立年限、企业类型（批发、零售、制造等）。
有了特征，就可以构建评分模型。常用的方法有：
- 逻辑回归（Logistic Regression）：可解释性强，能给出每个特征对违约概率的贡献度，非常适合金融风控场景。我们可以用企业历史信贷数据中的“是否违约”作为标签来训练模型。
- 集成学习模型（如XGBoost, LightGBM）：通常预测精度更高，能自动处理特征间的非线性关系。但在数学建模论文中，如果使用，必须阐述清楚原理，并注意防止过拟合。
实操心得：在有限的数据和时间内，逻辑回归往往是更稳妥的选择。它的系数可以直接解释为“特征每增加一个单位，违约几率对数（Log-Odds）的变化”，便于我们向“银行”（评委）解释决策依据。我们当时采用了逻辑回归，并对连续特征进行了分箱和WOE编码，以提升模型的稳定性和可解释性。
模型输出的是一个介于0到1之间的违约概率（PD）。然后，我们可以根据概率划分风险等级，例如：
- A级：PD < 0.01
- B级：0.01 ≤ PD < 0.05
- C级：0.05 ≤ PD < 0.15
- D级：PD ≥ 0.15
3.2 信贷额度与利率优化模型：在收益与风险间走钢丝
这是题目最精彩的部分。我们不能简单地给A级企业高额度、D级企业零额度就完事。银行有总资金池约束，目标是最大化总收益，同时控制总风险在一定水平内。
我们将其构建为一个带约束的优化问题。
决策变量：对于第i家企业，我们需要决定其信贷额度L_i和利率r_i。
目标函数（最大化总期望收益）： 总收益 = Σ [L_i*r_i* (1 - PD_i) -L_i* PD_i * LGD ] 其中，PD_i 是第i家企业的违约概率，LGD（违约损失率）是一个常数，假设为0.5（即违约后只能收回一半本金）。第一部分是贷款利息收入，第二部分是预期的违约损失。
约束条件：
- 总资金约束：ΣL_i≤ 总可用信贷资金（题目给定）。
- 额度与风险关联约束：L_i≤ f(PD_i)。例如，可以设定 D 级企业L_i= 0；C 级企业额度上限很低；B 级和 A 级企业额度上限递增。这是一个关键的业务规则。
- 利率与风险关联约束：r_i≥ g(PD_i)。风险越高，利率下限越高，以覆盖风险。同时，利率可能有上限（如不超过LPR的4倍）。
- 非负约束：L_i≥ 0。
求解方法： 这是一个非线性规划问题（因为目标函数和约束中都有L_i和r_i的乘积项）。对于参赛而言，可以采用简化方法或调用优化工具箱。
- 简化方法：先根据风险等级和规则初步分配额度，再在额度固定的情况下，对利率进行优化。或者将问题线性化处理。
- 使用工具：在MATLAB中可以使用
fmincon函数，在Python中可以使用SciPy.optimize模块或PuLP（用于线性/整数规划）来求解。我们当时用MATLAB的fmincon，并仔细设置了初始值和约束边界。
踩坑记录：第一次求解时，优化算法总是陷入局部最优或无法收敛。后来发现，初始值设置非常重要。我们采用了“启发式初始值”：先根据风险评分倒序分配一个基础额度（高风险低额度），利率则设定为对应风险等级的基础利率。将这个方案作为优化算法的起点，收敛速度和效果大大改善。另外，约束条件要写得尽可能“平滑”，避免出现除零、对数函数定义域错误等导致求解中断的问题。
4. 编程实现与结果分析：让模型“跑”起来并言之有物
模型设计得再漂亮，不能实现也是空谈。编程实现需要扎实的数据处理和算法应用能力。
4.1 数据处理流水线（Python示例）
我们以Python为例，展示核心的数据处理与特征工程片段。假设数据已加载为Pandas DataFrame。
import pandas as pd import numpy as np from sklearn.linear_model import LogisticRegression from sklearn.model_selection import train_test_split from sklearn.metrics import classification_report, roc_auc_score from scipy.optimize import minimize # 1. 特征计算示例：经营稳定性 def calculate_stability_features(df_invoice): """ df_invoice: 包含‘企业编号’，‘开票日期’，‘金额’的发票DataFrame """ df_invoice['开票月份'] = pd.to_datetime(df_invoice['开票日期']).dt.to_period('M') monthly_sales = df_invoice.groupby(['企业编号', '开票月份'])['金额'].sum().unstack(fill_value=0) # 计算月度销售额的变异系数（标准差/均值） sales_stability = monthly_sales.apply(lambda x: x.std() / x.mean() if x.mean() > 0 else np.nan, axis=1) # 将变异系数取负，使其与稳定性正相关（波动越小，得分越高） stability_score = -sales_stability return stability_score.fillna(stability_score.median()) # 用中位数填充NaN # 2. 构建训练数据集 # 假设已有特征DataFrame: X_features， 和标签Series: y_label (1为违约，0为正常) X_train, X_test, y_train, y_test = train_test_split(X_features, y_label, test_size=0.2, random_state=42) # 3. 训练逻辑回归评分卡模型 lr_model = LogisticRegression(penalty='l2', C=1.0, solver='liblinear', max_iter=1000) lr_model.fit(X_train, y_train) # 预测违约概率 y_pred_proba = lr_model.predict_proba(X_test)[:, 1] print("ROC-AUC Score:", roc_auc_score(y_test, y_pred_proba)) # 4. 定义优化问题 def objective(x, pd_array, total_funds, lgd=0.5): """ x: 决策变量向量 [L1, r1, L2, r2, ...] pd_array: 各企业的违约概率数组 目标：最大化总期望收益 """ n = len(pd_array) L = x[:n] # 额度部分 r = x[n:] # 利率部分 revenue = np.sum(L * r * (1 - pd_array) - L * pd_array * lgd) return -revenue # 因为minimize是求最小值，所以加负号 def constraint_total_funds(x, pd_array, total_funds): n = len(pd_array) L = x[:n] return total_funds - np.sum(L) # 总资金约束： sum(L) <= total_funds # 设置初始值、边界和约束，调用优化器 # ... (此处省略详细的变量定义和约束设置代码) # result = minimize(objective, x0, args=(pd_array, total_funds), bounds=bounds, constraints=cons) # optimal_allocations = result.x[:n] # optimal_rates = result.x[n:]4.2 结果分析与策略解读
模型跑出结果后，不能只扔出一堆数字。必须分析其合理性和业务含义。
- 风险评分分布：画出风险得分的分布直方图。是否呈现合理的区分度？高风险和低风险企业是否在经营特征上有显著差异？例如，我们分析发现，作废发票率高的企业，80%以上都落在了C、D级。
- 额度-利率散点图：将最终决策结果可视化。横轴是风险评分，纵轴是信贷额度或利率。应该能看到清晰的趋势：风险越高，额度越低，利率越高。如果出现“高风险高额度”的异常点，必须检查模型约束或业务逻辑是否出错。
- 敏感性分析：这是体现建模深度的关键。可以分析：
- 如果总资金池扩大10%，银行的期望收益能增加多少？风险（预期损失）会增加多少？
- 如果违约损失率（LGD）的估计值从0.5变为0.6，我们的最优决策方案会如何变化？对总收益影响多大？
- 调整风险等级划分的阈值（如将A级标准从PD<0.01改为PD<0.005），对信贷策略有何影响？
- 策略对比：可以将我们的优化模型结果，与一种“基准策略”进行对比。例如，基准策略是简单地给所有非D级企业相同的额度和基准利率。通过对比可以发现，优化模型在相同总风险下，能提升多少收益；或者在相同收益下，能降低多少风险。这个对比能强力证明模型的价值。
5. 论文写作与模型推广的深层思考
数学建模竞赛，最后比拼的是一篇论文。模型再精巧，说不清楚也白搭。
5.1 论文撰写的“道”与“术”
- 摘要：用300字左右讲一个完整的故事。必须包含：问题背景、你们的总体思路（用了什么方法解决什么问题）、构建的核心模型名称、模型的创新或亮点、得到的主要结论（关键数值）以及模型的价值。
- 模型假设：这是模型的基石。必须清晰列出，且要合理。例如，“假设企业的进销项发票能真实反映其经营状况”、“假设历史违约记录对未来行为有预测性”、“假设市场利率在一定时期内保持稳定”。好的假设能简化问题，同时让评委理解你们思考的边界。
- 模型建立：这是论文的核心。切忌罗列公式。要用文字描述模型的逻辑：“为了量化风险，我们首先从原始数据中提取了五类特征……然后，我们采用逻辑回归模型，因为它具有良好的可解释性……模型的输出是违约概率PD……接着，为了分配额度和利率，我们建立了一个以银行期望收益最大化为目标的非线性规划模型，其中考虑了总资金、风险额度上限等约束……”
- 模型求解与结果分析：给出关键结果，并用图表直观展示。分析部分要深入，比如“图3显示，风险评分与作废发票率呈显著正相关，这验证了我们特征设计的合理性。”
- 模型评价与推广：客观评价自己模型的优缺点。优点如“综合考虑了多维度信息”、“将风险评估与决策优化耦合”。缺点要诚恳，如“模型对历史数据的质量依赖较高”、“未考虑宏观经济突发因素的影响”。推广部分可以谈谈模型稍作调整后，能否用于个人消费信贷评估、供应链金融等场景。
5.2 超越竞赛：对真实信贷决策的启示
虽然这是一个竞赛题目，但其内核与当前银行业和金融科技公司正在做的事情高度一致。
- 数据驱动的价值：这道题生动展示了，在“软信息”（发票、交易流水）比“硬信息”（财务报表、抵押物）更易得的中小微领域，数据挖掘和机器学习能发挥巨大作用。这正是“大数据风控”的雏形。
- 量化决策的魅力：它将依赖经验的、模糊的信贷决策，变成了一个可计算、可优化、可回溯的量化过程。决策的一致性、效率和科学性得到提升。
- 模型的局限性：竞赛模型是高度简化的。真实世界中，还需要考虑反欺诈模型、关联风险传导（担保圈、供应链风险）、黑天鹅事件的影响等。模型永远只是辅助工具，需要与专家经验、贷后管理相结合。
回过头看，2020年国赛C题之所以经典，就是因为它精准地捕捉到了一个时代的痛点，并用数学建模的方式提供了一个优雅的求解框架。解题的过程，是一次完美的“问题定义-数据理解-模型构建-求解验证-结果阐释”的数据科学实践。无论你是在校学生想备战数模，还是从业者想了解智能风控的基本逻辑，深入剖析这道题，都会让你受益匪浅。它教会你的不仅是几个模型和算法，更是一种用理性与结构应对复杂不确定性的思维方式。