Badanie stabilności rozwiązań uzyskanych za pomocą drzew klasyfikacyjnych dla różnej struktury próby kredytobiorców

• Autorzy: Mariola Chrzanowska , Dorota Witkowska
• Języki publikacji: PL

Abstrakty

Celem badań jest: ocena wpływu struktury próby na jakość dychotomicznej klasyfikacji kredytobiorców, sprawdzenie czy rozpoznawalność niewiarygodnych klientów (których w próbie jest z reguły znacznie mniej niż kredytobiorców wiarygodnych) - czym banki są szczególnie zainteresowane - jest lepsza dla próby o jednakowej liczebności obiektów pochodzących z obu klas. Klasyfikację przeprowadzono za pomocą drzew klasyfikacyjnych. (fragm. tekstu)

Słowa kluczowe

PL

Stabilność finansowa; Drzewa klasyfikacyjne; Kredyt; Ryzyko kredytowe

EN

Financial sustainability; Classification trees; Credit; Credit risk

• Czasopismo: Prace Naukowe / Akademia Ekonomiczna w Katowicach
• Rocznik: 2009
• Tom: Metody matematyczne, ekonometryczne i komputerowe w finansach i ubezpieczeniach 2007
• Strony: 63-70

Twórcy

autor

Mariola Chrzanowska

• Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

autor

Dorota Witkowska

• Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

Bibliografia

• Breiman L., Friedman J.H., Ohlsen R.A., Stone Ch.J.: Classification And Regression Trees. CRC, Washington D.C. 1998.
• Breiman L.: Bagging Predictors. "Machine Learning" 1996, No 26.
• Chmielewski T., Głogowski A. (red), Gołajewska M. (red), Grodzicki M., Hałaj G., Imielska M., Kozak S., Osiński J. (red), Wyczański P. (red), Zajączkowski S., Żóchowski D.: Przegląd stabilności systemu finansowego I półrocze 2006. NBP, Warszawa 2006.
• Chmielewski T., Głogowski A.(red), Gołajewska M. (red), Grabowski Sz., Grodzicki M., Hałaj G., Imielska M., Kozak S., Maliszewski K., Tymoczko D. (red), Zajączkowski S.: Przegląd stabilności systemu finansowego I półrocze 2007. NBP, Warszawa 2007.
• Chrzanowska M., Witkowska D.: Zastosowanie wybranych metod klasyfikacji do rozpoznawania indywidualnych kredytobiorców. "Taksonomia 14. Klasyfikacja i analiza danych - teoria i zastosowania". AE, Wrocław 2007, s. 108-114.
• Chrzanowska M., Witkowska D.: Drzewa klasyfikacyjne w rozpoznawaniu kredytobiorców. "Metody ilościowe w badaniach ekonomicznych". SGGW, Warszawa 2007, s. 291-300.
• Chrzanowska M., Witkowska D.: Analiza wrażliwości rozwiązań wyznaczonych dla różnej struktury próby kredytobiorców: analiza dyskryminacyjna i drzewa klasyfikacyjne (w druku).
• Cutler A., Zhao G.: PERT - Perfect Random Tree Ensembles. "Computing Science and Statistics" 2001, No 33, /I2001Proceedings/ACutler/ACutler.pdf
• Dietterich G.T.: An Experimental Comparison of three Methods for Constructing Ensembles of Decision Trees: Bagging, Boosting and Randomization. "Machine Learning" 1999.
• Freund Y., Schapire R.E.: A Decision-Theoretic Generalization of on-line learning and an application to boosting. "Journal of Computer and System Sciences" 1997, No 55.
• Gatnar E.: Nieparametryczna metoda dyskryminacji i regresji. PWN, Warszawa 2001.
• Gatnar E.: Agregacja modeli dyskryminacyjnych. Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 942. AE, Wrocław 2002.
• Gatnar E., Walesiak M. (red.): Metody statystycznej analizy wielowymiarowej w badaniach marketingowych. AE, Wrocław 2004.