1. 项目概述一次完整的国赛C题实战复盘2020年的全国大学生数学建模竞赛C题对于所有参赛者而言无疑是一次深刻的记忆。这道题以其强烈的现实背景、复杂的多目标决策属性和对数据处理能力的极高要求成为了当年区分队伍实力的关键。题目聚焦于中小微企业的信贷决策问题要求参赛者基于给定的企业信息、信贷记录和宏观经济数据构建一套从信用评估到信贷策略制定的完整量化模型。这不仅仅是一道数学题更是一个微缩版的金融风控实战项目。对于金融、统计、计算机等相关专业的学生来说这是一次将课堂理论应用于复杂现实问题的绝佳机会其核心价值在于锻炼从“问题定义”到“模型构建”再到“策略输出”的全链条系统性思维。我当年作为指导老师带领队伍完整经历了这道题的攻坚过程。今天我想抛开那些冠冕堂皇的“获奖经验分享”从一个一线实战者的角度深度复盘我们当时是如何拆解题目、构建模型、处理数据以及最终形成论文的。我会重点分享那些在标准答案或优秀论文中不会提及的“踩坑”经历和临场决策技巧希望能为未来面临类似复杂赛题的同学们提供一份真正有血有肉的参考指南。无论你是正在备赛的新手还是对数据建模感兴趣的爱好者这篇复盘都将带你深入到一次顶级数模竞赛的核心战场。2. 赛题核心与破题思路拆解2.1 题目本质一个动态的信贷风控优化问题拿到题目后最忌讳的就是一头扎进数据里开始跑模型。我们花了将近一个小时反复阅读题目和附件目的只有一个精准定义问题的边界和核心矛盾。2020年C题的本质是一个在信息不对称条件下面向中小微企业的多期信贷决策与风险管理优化问题。它包含了几个层层递进的核心任务信用评级根据企业的发票信息、进销项数据、是否违约记录等对企业进行信用打分或等级划分。这是所有后续决策的基础。信贷额度与利率定价基于信用评级确定给每家企业的贷款额度上限和具体的贷款利率。这里涉及到风险与收益的平衡。信贷策略优化在银行总信贷资金有限的情况下面对上百家企业如何分配这些资金贷给谁、贷多少、以什么利率贷才能在控制整体违约风险的同时最大化银行的总收益或其它目标如服务企业数量。理解到这一层我们就明白这不是一个简单的分类或回归问题。它要求我们建立一个**“评估-定价-分配”** 的联动系统。信用评估模型的输出要能直接、合理地支撑定价和分配决策。许多队伍在这里栽了跟头他们用机器学习模型做出了漂亮的信用评分但在对接后续策略时却发现评分无法直接转化为利率和额度或者转化逻辑非常牵强。2.2 破题关键建立“数据-模型-策略”的闭环逻辑我们的破题思路是先搭建一个顶层的逻辑框架再往里面填充具体的模型和方法。这个框架的核心是闭环。第一步数据理解与预处理是生命线。附件中的数据是典型的“脏数据”。发票信息存在大量缺失、错位、异常值如金额为负、日期格式混乱。我们做的第一件事不是清洗而是分析数据缺失的模式。例如某些企业长期只有销项无进项这可能意味着它是贸易终端或存在数据上报问题其本身就是一个重要的风险特征不能简单用均值填充。我们建立了数据质量报告对每个字段的缺失率、异常值、分布进行了统计这步工作后来在模型特征工程和结果分析时起到了关键作用。第二步信用评估模型选型背后的考量。当时主流思路有几种一是传统统计方法如逻辑回归、判别分析二是机器学习方法如XGBoost、随机森林、神经网络三是混合方法。我们选择了以逻辑回归为基础融合树模型特征重要性的混合框架。为什么可解释性优先这是金融风控模型的铁律。银行需要知道为什么拒绝一家企业逻辑回归的系数可以提供清晰的解释如“进项发票总额每增加一单位违约概率降低XX”。稳定性对于样本量不算巨大的竞赛数据复杂的深度学习模型容易过拟合而逻辑回归相对稳健。融合思路我们先用XGBoost跑一遍筛选出重要性最高的20个特征再将这些特征放入逻辑回归中训练。这样既利用了树模型强大的特征选择能力又保证了最终模型的可解释性。这个“特征筛选器”的角色是我们在试错后确定的有效避免了人工构造特征的主观性。第三步从评分到定价与额度的“桥梁”模型。这是体现建模功力的地方。信用评分如0-100分如何变成利率如5%-15%我们引入了风险溢价的概念。假设无风险利率为基准可根据题目隐含或自行设定企业的贷款利率应等于无风险利率加上其风险溢价。而风险溢价应与违约概率正相关。我们构建了一个函数利率 基准利率 θ * 违约概率。其中θ是一个关键参数它反映了银行的风险厌恶程度。通过调节θ可以模拟银行不同的风险策略激进型或保守型。额度模型则更复杂需同时考虑企业需求历史交易规模、偿还能力现金流和风险。我们采用了基于历史交易流水的额度测算并乘以一个由信用评分调整的风险系数确保高信用企业能获得接近其需求的额度而低信用企业额度会被大幅压缩。3. 核心模型构建与实现细节3.1 信用评估模型逻辑回归的实战化改造我们最终的信用评估模型虽然核心是逻辑回归但做了大量实战化改造使其更贴合赛题数据。特征工程是灵魂。我们从原始发票数据中衍生出了五大类、超过50个特征经营规模特征进/销项发票总金额、平均金额、交易频次月均发票张数。经营稳定性特征进销项金额的月度波动率标准差/均值、交易活跃月份占比、是否存在交易淡旺季。财务健康度特征毛利率估算销项-进项/销项需注意发票税率、现金流状况进项与销项的时间匹配分析。交易网络特征基于发票抬头构建企业交易网络计算每个企业的交易伙伴数量、伙伴的稳定性等。这部分特征后来被证明对识别“空壳公司”或“关联交易”非常有效。行为特征发票作废率、红冲发票比例、发票金额的离散程度是否存在大量小额发票冲账。注意特征构造不是越多越好。我们初期构造了上百个特征导致模型训练缓慢且存在多重共线性。后来我们采用了基于XGBoost的特征重要性排序并结合方差膨胀因子VIF进行共线性诊断最终保留了30个左右相关性低、重要性高的特征。这个过程在论文中只用了一句话描述但实际耗时超过4小时。模型训练与验证的陷阱。数据中违约企业占比很低典型的不平衡数据集。如果直接训练模型会倾向于将所有企业预测为“不违约”以获得高准确率但这毫无意义。我们采用了SMOTE过采样技术与代价敏感学习相结合的方法。在逻辑回归中我们调整了class_weight参数提高违约样本的误分类代价。同时我们并未使用简单的准确率作为评价指标而是采用了ROC-AUC和KS值。AUC衡量模型整体的排序能力KS值则帮助我们找到信用评分的最佳分界点。我们将数据按时间窗口划分训练集和测试集以模拟现实中的时序外推预测避免随机划分导致的乐观估计。3.2 信贷策略优化模型线性规划与启发式算法的抉择这是题目最精彩也最困难的部分。在信用评估和定价模型给出一系列企业i的贷款额度上限L_i、贷款利率r_i、预期违约概率p_i后我们需要决定实际放款额度l_i0 ≤l_i≤L_i以在总资金B的约束下优化银行的目标。目标函数的确定。银行的目标是什么最大化利润最大化服务企业数还是最小化风险题目有开放度。我们选择了最大化期望利润这是一个更符合商业直觉的目标。对于单家企业期望收益为l_i * r_i * (1 - p_i)利息收入期望损失为l_i * p_i本金损失。因此期望利润为l_i * [r_i*(1-p_i) - p_i]。令m_i r_i*(1-p_i) - p_i即每单位贷款的边际期望利润。那么总目标就是Maximize Σ (l_i * m_i)。约束条件。总资金约束Σ l_i ≤ B。个体额度约束0 ≤ l_i ≤ L_i。可选风险分散约束例如对低信用等级企业的总敞口不超过一定比例。我们后期加入了此约束以增加策略的稳健性。至此问题转化为了一个经典的线性规划LP问题。我们最初使用PuLP或SciPy库来求解非常快速高效。但这里有一个巨大的思维陷阱线性规划的解会倾向于将所有资金集中投放给m_i最高的几家企业导致最终放款企业数量极少。这虽然数学上最优但不符合银行“服务实体经济、分散风险”的实务操作。我们的解决方案两阶段策略。第一阶段筛选设定一个最低边际利润阈值m_min只考虑m_i m_min的企业进入资金池。这个阈值可以通过分析m_i的分布来确定例如选择前70%分位数。第二阶段分配对资金池中的企业采用比例分配法。即按照每家企业的m_i值或经过修正的m_i * L_i所占的比例来分配总资金B。公式为l_i B * (m_i / Σ m_j)同时确保l_i不超过L_i。如果某家企业额度被用完则将剩余资金在其他企业中重新按比例分配。这种方法虽然不是严格的数学最优解但得到的策略更均衡、更可解释、更符合实际在论文中我们也通过对比实验证明了其相对于纯线性规划解的优势后者可能因过度集中而产生极高的潜在集中度风险。这个从“纯数学最优”到“实务可行最优”的思考转变是论文能否脱颖而出的关键。4. 论文写作与结果分析的核心技巧4.1 论文结构如何讲好一个建模故事数模竞赛论文的本质是技术报告但它需要有一个清晰的叙事逻辑。我们的论文结构如下它像讲故事一样引导评委阅读摘要重中之重采用“总-分-总”结构。第一段用三句话概括问题、我们的整体解决方案和最终效果。接着分点简述针对每个子问题的方法如“针对信用评估我们采用了融合XGBoost特征选择的逻辑回归模型…”和关键结果如“该模型AUC达到0.92”。最后总结策略效果和模型优点。摘要务必精炼包含所有核心方法和数字结论避免任何模糊表述。问题重述与分析不是照抄题目而是用自己的话梳理问题的脉络、约束条件和目标并画出概念框架图展示“数据输入-信用评估-定价-优化分配-结果输出”的完整流程。这张图能让评委在30秒内理解你的整体思路。模型假设与符号说明假设要合理且必要如“假设宏观经济环境在贷款期内无重大变化”、“假设企业提供的数据真实有效”。符号说明用三线表呈现清晰美观。模型建立与求解这是论文主体。我们按照模块化的方式撰写信用评估模型、信贷定价模型、额度测算模型、策略优化模型。每个小节内部遵循“问题定义-模型设计-求解方法-结果分析”的结构。大量使用公式、流程图和小的结果表格如特征重要性Top10表。模型检验与灵敏度分析这是区分普通论文和优秀论文的部分。我们做了信用模型的稳健性检验用不同时间窗口划分训练测试集观察AUC的波动。策略的灵敏度分析改变总资金B、风险厌恶参数θ、最低阈值m_min观察放款企业数量、总期望利润、风险集中度等关键指标如何变化。并用热力图或折线图直观展示。这证明了我们的策略不是一组脆弱的数字而是在一定参数范围内都表现稳健的系统。模型评价与推广客观评价本模型的优点系统性强、可解释性好、稳健性高和缺点对数据质量依赖高、未考虑企业间关联风险等。并提出可行的改进方向展示你的思考深度。4.2 可视化与表述让评委一眼看懂“一图胜千言”在数模论文中绝对是真理。流程图用于描述整体流程、算法步骤。热力图/相关性矩阵用于展示特征间的相关性为特征选择提供依据。ROC曲线展示信用模型性能的标配。分布直方图/箱线图用于展示关键指标如信用评分、m_i值的分布辅助制定阈值。灵敏度分析折线图展示多个指标随某个参数变化的趋势体现系统性思维。在表述上避免使用“我们使用了高级的机器学习模型”这种空洞的话。取而代之的是“为平衡预测性能与模型可解释性我们构建了以逻辑回归为核心、以XGBoost为特征筛选器的混合评估模型见公式1-3。该模型在测试集上的AUC值为0.92KS值为0.45表明其具有良好的违约辨识能力。”5. 实战中的“坑”与临场处理策略5.1 数据处理中的“暗礁”坑1发票日期与金额的隐含信息。最初我们只统计了总额和频次。后来发现发票金额的分布比总额更能反映问题。一些企业存在大量1元、10元的小额发票这可能是虚开发票的迹象。我们增加了“小额发票占比”这一特征效果显著。另外交易时间的规律性如是否总在月末或季度末集中开票也可能反映财务压力。坑2企业规模的归一化陷阱。直接用发票总额作为经营规模特征会导致大企业天然获得高评分。我们必须进行行业内的相对比较。我们粗略地根据企业名称或交易产品类型从发票摘要中模糊推断进行分类然后计算企业在同类中的规模分位数。这一步没有完美的方法我们在论文中诚实地说明了分类的粗略性并将其作为模型的一个局限性。坑3缺失值处理的博弈。对于关键特征如年交易额的缺失我们尝试了均值填充、中位数填充、回归填充和直接标记为“缺失”作为一个新类别。通过交叉验证对比发现对于此数据集将“缺失”作为一个独立的类别其预测效果最好。这暗示“数据缺失”本身可能就是企业信用状况的一个信号。5.2 模型调试与时间管理坑4追求复杂模型的误区。比赛第二天我们曾尝试用LSTM神经网络来处理发票的时序序列希望能捕捉动态经营模式。但数据的不规整企业交易频率差异极大和样本量的限制导致模型训练困难且效果不佳。在耗时一天后我们果断回溯到更稳健的静态特征模型。这个教训是在有限的时间和数据下模型的可靠性和可完成性优先于复杂性。一个稳健的80分方案远胜过一个脆弱的、可能无法完成的95分设想。坑5策略优化模型的“无解”情况。在调试线性规划模型时有时改变参数后求解器会报“无可行解”。这通常是因为约束条件之间存在矛盾例如要求低风险企业贷款比例过高但总额度又不够。我们的应对方法是建立调试脚本当出现无解时自动逐步放松最不重要的约束如略微提高风险容忍度并记录放松过程这本身也可以作为灵敏度分析的一部分写入论文。坑6最后一晚的整合与检查。最后一天千万不要再尝试大改模型。我们的核心工作是确保所有图表编号引用正确、公式清晰无误、结果数据前后一致。我们专门安排一位同学负责“通读”检查从摘要到结论所有提到的数字和结论是否在正文中有对应出处。另一个易错点是策略分配结果的总和必须等于总资金B我们因为一个四舍五入误差导致总和差了0.01元检查了半小时才找到原因。这次国赛C题的征战远不止是应用几个数学模型那么简单。它是一次对问题定义、数据处理、模型构建、策略设计、论文表达和团队协作的全面压力测试。我最大的体会是数模竞赛获奖的关键往往不在于使用了多么前沿的算法而在于是否用一个清晰、自洽、稳健且贴合实际的逻辑体系完整地解决了问题。从理解“信贷决策”的业务本质到设计连接评分与定价的“桥梁”再到放弃纯数学最优而采用更可行的分配策略每一步都需要基于现实情境进行判断和权衡。对于后来者我的建议是尽早建立你们团队的“建模流程规范”从数据探查模板、到模型验证标准、再到论文写作分工。这能极大减少沟通成本避免最后的手忙脚乱。把每次练习都当成实战认真对待数据处理中的每一个异常值深入思考模型结果背后的业务含义。当你习惯了这种系统性的思考方式无论面对何种赛题你都能快速找到那条通往终点的、坚实的路径。