${columnName}

聚焦于企业信用评估与财务风险预测领域，致力于融合机器学习技术与多模态数据分析提升模型的预测效能及可解释性。针对企业信用数据的高度类别不平衡特性，创新性地提出非对称装袋算法与LightGBM的混合模型，通过动态样本权重调整策略有效提升多类别场景下中小企业信用评估的准确率。面向多类财务困境预测难题，开发了基于改进决策有向无环图的OVO分解框架。目前正致力于财务多模态数据的挖掘研究，通过集成企业多源异构数据，构建具有特征归因能力的深度集成模型与可视化解释。

[1] 天津市教委科研计划项目 (社科一般): 多种模态数据驱动的企业财务风险预测模型及其可解释性研究, 2024SK095, 主持, 2025-2027, 在研

1. Sun, J., Li, J.*, & Fujita, H. (2022). Multi-class imbalanced enterprise credit evaluation based on asymmetric bagging combined with light gradient boosting machine. Applied Soft Computing, 130, 109637. https://doi.org/10.1016/j.asoc.2022.109637 (SCI-2区, IF=8.7)

2. 孙洁, 李杰*. (2022). 大数据应用、融资约束和企业创新效率.证券市场导报(11), 13-23.（CSSCI, IF (综合) = 3.016, IF (复合) = 7.521）

3. Sun, J., Li, J.*, Fujita, H., & Ai, W. (2023). Multiclass financial distress prediction based on one‐versus‐one decomposition integrated with improved decision‐directed acyclic graph. Journal of Forecasting, 42(5), 1167-1186. https://doi.org/10.1002/for.2937 (SSCI ABS**, IF=3.4)

4. 孙洁, 王梓臣*, 李杰. (2024). 中小股东诉讼对同行业公司融资约束的溢出效应. 证券市场导报(03), 24-36.（CSSCI, IF (综合) = 3.016, IF (复合) = 7.521）