面向企业信用评分的大型语言模型
机器学习
2025-11-05 v1
摘要
我们提出 Omega^2，一种基于大型语言模型的企业信用评分框架，通过结合结构化财务数据与先进机器学习技术，提升预测可靠性和可解释性。本研究在包含7800份企业信用评级的数据集上进行评估，该数据集来自摩根大学(Moody's)、标普公司(Standard & Poor's)、Fitch及Egan-Jones，每个数据集包含详细的公司层面财务指标，如杠杆率、盈利能力和流动性比率。该系统集成了CatBoost、LightGBM和XGBoost模型，通过贝叶斯搜索进行优化，并采用时间序列验证以确保前瞻性和可重复性。Omega^2在各机构处的平均测试AUC均超过0.93，证明其能够跨评级系统实现泛化，并维持时间一致性。这些结果表明，语言推理与定量学习的结合为可靠的企业信用风险评估构建了一个透明且符合机构要求的基础。
引用
@article{arxiv.2511.02593,
title = {A Large Language Model for Corporate Credit Scoring},
author = {Chitro Majumdar and Sergio Scandizzo and Ratanlal Mahanta and Avradip Mandal and Swarnendu Bhattacharjee},
journal= {arXiv preprint arXiv:2511.02593},
year = {2025}
}