PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2008 | 22 | nr 27 Zastosowania metod ilościowych | 36--50
Tytuł artykułu

Zastosowanie wybranych estymatorów modelu regresji logistycznej w credit scoringu

Autorzy
Warianty tytułu
Application of Selected Estimators of Logistic Regression Models in Credit Scoring
Języki publikacji
PL
Abstrakty
Zadanie oceny zdolności kredytowej rozważa się często w kontekście problemu klasyfikacji pod nadzorem, co oznacza w istocie uznanie tożsamości pojęć metody credit scoringu i metody klasyfikacji pod nadzorem. Umożliwia to zastosowanie w problemach credit scoringu popularnego liniowego modelu regresji logistycznej. W artykule zostanie empirycznie zweryfikowana przydatność w zastosowaniach credit scoringu bardziej zaawansowanych podejść do estymacji modelu logitowego: addytywnego modelu regresji logistycznej oraz boostingu drzew klasyfikacyjnych. (fragment tekstu)
EN
The article examines the application opportunities of different logistic regression models in a credit scoring supervised classification problem. The paper covers linear and generalized additive logistic regression model, as well as a classification trees boosting method - Real AdaBoost. The empirical study of two real credit datasets is given. (original abstract)
Twórcy
  • Uniwersytet Ekonomiczny we Wrocławiu
Bibliografia
  • Culp M., Johnson K., Michailidis G., Ada: An R Package for Stochastic Boosting, „Journal of Statistical Software”, vol. 17, issue 2, October 2006.
  • Faraway J.J., Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models, Chapman & Hall/CRC Press, London 2006.
  • Giudici P., Applied Data Mining: Statistical Methods for Business and Industry, John Wiley & Sons, New York 2003.
  • Gruszczyński M.. Modele i prognozy zmiennych jakościowych w finansach i bankowości. SGH. Warszawa 2002.
  • Hastie T., Tibshirani R., Friedman J., Additive Logistic Regression: a Statistical View of Boosting. „The Annals of Statistics” 2000, vol. 28, no. 2, s. 337-407.
  • Hastie T., Tibshirani R., Friedman J., The Elements of Statistical Learning: Data Mining, Inference and Prediction, Springer, New York 2003.
  • Mester L.J., What’s the Point of Credit Scoring, „Business Review”, September/October 1997, Federal Reserve Bank of Philadelphia.
  • Migut G.. Wątroba J., Scoring kredytowy a modele data mining, „Ryzyko w Instytucji finansowej” 2005 nr I.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000164930239

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.