Оцінювання кредитних ризиків методами інтелектуального анализу даних
In this research, credit risks are analyzed for financial organizations using data mining techniques applied to actual data. The two sets of actual statistical data characterizing the borrowers are employed for constructing mathematical models in the form of the nonlinear logit regression, decision...
Збережено в:
| Дата: | 2017 |
|---|---|
| Автори: | , , |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2017
|
| Теми: | |
| Онлайн доступ: | http://journal.iasa.kpi.ua/article/view/101737 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | System research and information technologies |
Репозитарії
System research and information technologies| id |
journaliasakpiua-article-101737 |
|---|---|
| record_format |
ojs |
| institution |
System research and information technologies |
| collection |
OJS |
| language |
Ukrainian |
| topic |
credit risk statistical data logit model Bayesian networks model quality parameters кредитный риск статистические данные логит-модель байесовские сети параметры качества моделей кредитний ризик статистичні дані логіт-модель байєсівські мережі параметри якості моделей |
| spellingShingle |
credit risk statistical data logit model Bayesian networks model quality parameters кредитный риск статистические данные логит-модель байесовские сети параметры качества моделей кредитний ризик статистичні дані логіт-модель байєсівські мережі параметри якості моделей Danylov, Valery Ya. Jirov, Alex L. Bidyuk, Petro I. Оцінювання кредитних ризиків методами інтелектуального анализу даних |
| topic_facet |
credit risk statistical data logit model Bayesian networks model quality parameters кредитный риск статистические данные логит-модель байесовские сети параметры качества моделей кредитний ризик статистичні дані логіт-модель байєсівські мережі параметри якості моделей |
| format |
Article |
| author |
Danylov, Valery Ya. Jirov, Alex L. Bidyuk, Petro I. |
| author_facet |
Danylov, Valery Ya. Jirov, Alex L. Bidyuk, Petro I. |
| author_sort |
Danylov, Valery Ya. |
| title |
Оцінювання кредитних ризиків методами інтелектуального анализу даних |
| title_short |
Оцінювання кредитних ризиків методами інтелектуального анализу даних |
| title_full |
Оцінювання кредитних ризиків методами інтелектуального анализу даних |
| title_fullStr |
Оцінювання кредитних ризиків методами інтелектуального анализу даних |
| title_full_unstemmed |
Оцінювання кредитних ризиків методами інтелектуального анализу даних |
| title_sort |
оцінювання кредитних ризиків методами інтелектуального анализу даних |
| title_alt |
Estimation of credit risks using the data mining methods Оценивание кредитных рисков методами интеллектуального анализа данных |
| description |
In this research, credit risks are analyzed for financial organizations using data mining techniques applied to actual data. The two sets of actual statistical data characterizing the borrowers are employed for constructing mathematical models in the form of the nonlinear logit regression, decision trees, and Bayesian networks. The constructed models are analyzed with a set of appropriate statistical criteria, providing a basis for selecting the best alternative model. A series of computational experiments have been carried out using the two sets of actual statistical data from a Ukrainian bank. As a result of the performed computations, it was established that the best models in this application turned out to be nonlinear logit equations and Bayesian networks. In the future studies, we suppose to expand the number of model constructing techniques and to apply the idea of combining the estimates generated by the alternative models. Also, a specialized decision support system is to be constructed for the purpose of carrying research in the area of financial risks estimation and prediction. |
| publisher |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| publishDate |
2017 |
| url |
http://journal.iasa.kpi.ua/article/view/101737 |
| work_keys_str_mv |
AT danylovvaleryya estimationofcreditrisksusingthedataminingmethods AT jirovalexl estimationofcreditrisksusingthedataminingmethods AT bidyukpetroi estimationofcreditrisksusingthedataminingmethods AT danylovvaleryya ocenivaniekreditnyhriskovmetodamiintellektualʹnogoanalizadannyh AT jirovalexl ocenivaniekreditnyhriskovmetodamiintellektualʹnogoanalizadannyh AT bidyukpetroi ocenivaniekreditnyhriskovmetodamiintellektualʹnogoanalizadannyh AT danylovvaleryya ocínûvannâkreditnihrizikívmetodamiíntelektualʹnogoanalizudanih AT jirovalexl ocínûvannâkreditnihrizikívmetodamiíntelektualʹnogoanalizudanih AT bidyukpetroi ocínûvannâkreditnihrizikívmetodamiíntelektualʹnogoanalizudanih |
| first_indexed |
2024-04-08T15:05:03Z |
| last_indexed |
2024-04-08T15:05:03Z |
| _version_ |
1795779412418887680 |
| spelling |
journaliasakpiua-article-1017372018-03-30T15:25:34Z Estimation of credit risks using the data mining methods Оценивание кредитных рисков методами интеллектуального анализа данных Оцінювання кредитних ризиків методами інтелектуального анализу даних Danylov, Valery Ya. Jirov, Alex L. Bidyuk, Petro I. credit risk statistical data logit model Bayesian networks model quality parameters кредитный риск статистические данные логит-модель байесовские сети параметры качества моделей кредитний ризик статистичні дані логіт-модель байєсівські мережі параметри якості моделей In this research, credit risks are analyzed for financial organizations using data mining techniques applied to actual data. The two sets of actual statistical data characterizing the borrowers are employed for constructing mathematical models in the form of the nonlinear logit regression, decision trees, and Bayesian networks. The constructed models are analyzed with a set of appropriate statistical criteria, providing a basis for selecting the best alternative model. A series of computational experiments have been carried out using the two sets of actual statistical data from a Ukrainian bank. As a result of the performed computations, it was established that the best models in this application turned out to be nonlinear logit equations and Bayesian networks. In the future studies, we suppose to expand the number of model constructing techniques and to apply the idea of combining the estimates generated by the alternative models. Also, a specialized decision support system is to be constructed for the purpose of carrying research in the area of financial risks estimation and prediction. Проанализированы кредитные риски финансовых организаций с помощью методов интеллектуального анализа данных. Фактические статистические данные, которые характеризуют заемщиков кредитов, использованы для построения математических моделей в форме уравнений типа логит, деревьев решений и байесовских сетей. Качество построенных моделей проанализировано с помощью множества соответствующих статистических критериев, которые дают основание для выбора лучшей альтернативной модели. С использованием двух выборок банковских данных выполнен ряд вычислительных экспериментов и установлено, что лучшими оказались модели типа логит и байесовские сети. Предусматриваются расширение множества методов построения математических моделей и реализация идеи комбинирования оценок, сгенерированных альтернативними методами. Обоснованы целесообразность разработки и реализация специализированной системы поддержки принятия решений для выполнения исследований в сфере оценивания и прогнозирования финансовых рисков. Проаналізовано кредитні ризики фінансових організацій за допомогою методів інтелектуального аналізу даних. Фактичні статистичні дані, які характеризують позичальників кредитів, використано для побудови математичних моделей у формі рівнянь типу логіт, дерев рішень і байєсівських мереж. Якість побудованих моделей проаналізовано за множиною належних статистичних критеріїв, які забезпечують основу для вибору кращої альтернативної моделі. Із використанням двох вибірок банківських даних виконано ряд обчислювальних експериментів і виявлено кращі моделі у формі рівнянь типу логіт і байєсівські мережі. Передбачається розширити множину методів побудови математичних моделей і реалізувати ідею комбінування оцінок, згенерованих за альтернативними методами. Обґрунтовано доцільність розроблення та реалізацію спеціалізованої системи підтримання прийняття рішень для виконання досліджень у галузі оцінювання та прогнозування фінансових ризиків. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2017-03-21 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/101737 10.20535/SRIT.2308-8893.2017.1.03 System research and information technologies; No. 1 (2017); 33-48 Системные исследования и информационные технологии; № 1 (2017); 33-48 Системні дослідження та інформаційні технології; № 1 (2017); 33-48 2308-8893 1681-6048 uk http://journal.iasa.kpi.ua/article/view/101737/96976 Copyright (c) 2021 System research and information technologies |