1. 毕业设计（论文）主要内容：

公司债的信用评级对防范信用风险，维护正常的经济秩序起着重要的作用。准确客观地对公司债券进行信用评级十分必要。本文将在对公司债数据进行采集和整理的基础上，分别运用传统统计方法与机器学习方法对公司债的信用评级进行实证研究。在对多种方法进行比较的基础上，不断优化参数，找到相对最优的机器学习信用评级方法。最后，根据信用评级的实证结果，对优化公司债信用评级体系提出相应的对策和建议。

2. 毕业设计（论文）主要任务及要求

1．文献查阅不少于15篇（部），其中外文文献不少于3篇；

2. 拟定论文写作提纲，并完成开题报告；

3．论文观点正确，论证充分，层次清晰，理论联系实际，有一定的独立见解；

3. 毕业设计（论文）完成任务的计划与安排

第6-7周：查阅相关文献资料，明确研究内容，了解研究所需的研究方法，确定论文提纲，完成开题报告。

第8－11周：撰写论文并完成毕业论文初稿，期间完成1篇阶段性报告，并完成毕业论文中期检查。

第12－13周：根据论文指导老师的意见进行修改，期间完成1篇阶段性报告

4. 主要参考文献

1. 陈朴,姜振寰.国外债券信用评级的要点及发展趋势研究[J].哈尔滨工业大学学报(社会科学版),2009,11(03):81-85.
   
2. 徐闪赏.基于支持向量机分类预测的上市公司债信用评级研究[J].金融管理研究,2018(02):63-82.
   
3. CreditRisk Assessment Using Statistical and Machine Learning: BasicMethodology and Risk Modeling Applications[J] . J. Galindo,P. Tamayo. Computational Economics . 2000 (1)
4. ProportionateConsolidation Versus theEquity Method:Additional Evidence on theAssociationwith Bond Ratings. BAUMAN M P. Journal of Bankingamp;Finance . 2008
5. CreditRisk Assessment UsingStatistical and Machine Learning:Basic Methodologyand RiskModeling Applications. GALINDO J,TAMAYO J. Computational E-conomics . 2000
6. BondRating:a Non-Conser-vative Application of Neural Networks. DUTTA S,SHEKHAR S.Proceedingsof IEEE International Conference on Neural Networks . 1988
7. PolicyImplications of the Federal Reserve Study of Credit Risk Models at MajorBanking Institutions. Mingo,John J. Journal of Banking and Finance . 2000
8. ClassificationModels and Bond Ratings. Ederington,L.H. The Financial Review . 1985
9. Amultivariate analysis of industrial bond ratings. Pinches,G.,Mingo,K. TheJournal of Finance . 1973
10. Expertsystems for bond rating: A comparative analysis of statistical, rule-based andneural networks systems. Kim,J.W. Expert Systems . 1993
11. Applicationof support vector machines to corporate credit rating prediction. LeeYong-Chan.Expert Systems withApplications . 2007
12. Astudy of Taiwan’s issuer credit rating systems using support vectormachines.Wun-Hwa Chen,Jen-Ying Shih. Expert Systems With Applications . 2006