Portada

PRZEWIDYWANIE RYZYKA KREDYTOWEGO IBD

WYDAWNICTWO NASZA WIEDZA
04 / 2025
9786206804383
Polaco

Sinopsis

Przewidywanie ryzyka kredytowego ma kluczowe znaczenie dla instytucji finansowych w celu zminimalizowania ryzyka kredytowego. W niniejszym badaniu zbadano skuteczno?? danychtransakcyjnych w przewidywaniu ryzyka kredytowego, porównuj?c wydajno?? dwóch popularnych algorytmów: regresji logistycznej i sieci neuronowych typu feed-forward. Badanie ma na celu ocen? zdolno?ci predykcyjnych, mo?liwo?ci interpretacji i praktycznego zastosowania tych modeli w identyfikowaniu potencjalnych niesp?aconych kredytów w oparciu o wzorce transakcyjne. Dane transakcyjne, pozyskane z Kaggle, zosta?y poddane rygorystycznemu przetwarzaniu wst?pnemu i in?ynierii cech dostosowanej do unikalnych cech zapisów transakcji finansowych. Oba modele zosta?y intensywnie wytrenowane i ocenione przy u?yciu ustalonych wska?ników, obejmuj?cych dok?adno??, precyzj?, wycofanie, wynik F1, aby kompleksowo oceni? ich skuteczno?? w przewidywaniu niesp?acenia kredytu. Wyniki wskazuj? na ró?ne mocne strony modeli: regresja logistyczna wykazuje godn? pochwa?y interpretowalno?? przy jednoczesnym osi?gni?ciu konkurencyjnych wska?ników wydajno?ci, podczas gdy sie? neuronowa feed-forward wykazuje wy?sz? dok?adno?? predykcyjn?, aczkolwiek przy zwi?kszonej z?o?ono?ci i zmniejszonej interpretowalno?ci.

PVP
64,05