Оценивание вероятности дефолта по кредитным операциям с использованием логистической регрессии и кластерного анализа

Предложен метод оценки вероятности дефолта по кредитным операциям с применением логистической регрессии и кластерного анализа. Приведен пример применения данного метода на реальной выборке, на которой предложенный метод показал большую эффективность по сравнению с методом, основанном только на логис...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:Системні дослідження та інформаційні технології
Datum:2011
ISSN:1681–6048
1. Verfasser: Середний, С.С.
Format: Artikel
Sprache:Russisch
Veröffentlicht: Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України 2011
Schlagworte:
Online Zugang:https://nasplib.isofts.kiev.ua/handle/123456789/50091
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:Оценивание вероятности дефолта по кредитным операциям с использованием логистической регрессии и кластерного анализа / С.С. Середний // Систем. дослідж. та інформ. технології. — 2011. — № 1. — С. 126-132. — Бібліогр.: 7 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Beschreibung
Zusammenfassung:Предложен метод оценки вероятности дефолта по кредитным операциям с применением логистической регрессии и кластерного анализа. Приведен пример применения данного метода на реальной выборке, на которой предложенный метод показал большую эффективность по сравнению с методом, основанном только на логистической регрессии. Запропоновано метод оцінки ймовірності дефолту за кредитними операціями із застосуванням логістичної регресії та кластерного аналізу. Наведено приклад застосування цього методу на реальній вибірці, на якій запропонований метод показав більшу ефективність у порівнянні з методом, що базується лише на логістичній регресії. The method of credit operation’s probability of default estimation using logistic regression and cluster analysis is suggested. The example of application of this method on real sample, where proposed method was more effective in comparison with method based just on logistic regression is given.
ISSN:1681–6048