Zastosowanie sieci neuronowych oraz analizy dyskryminacyjnej do tworzenia scoringu behawioralnego ratalnych kredytów konsumpcyjnych

• Autorzy: Maciej Kokorniak , Przemysław Garsztka

Warianty tytułu

Application of the Neural Networks and Discriminant Analysis in Behavioral Scoring of Consumption Credits

• Języki publikacji: PL

Abstrakty

Wyniki uzyskane w artykule pokazują, że sztuczne sieci neuronowe mogą być bardzo dobrym narzędziem podziału konsumpcyjnych kredytów ratalnych na grupy ryzyka. Nieco inaczej należy ocenić jakość podziału za pomocą liniowej funkcji dyskryminacyjnej. (fragment tekstu)

EN

The aim of the paper is to prove usefulness of the artificial neural network algorithms in defining risky behavior patterns of private persons who was offered a consumption credit from a bank, basing on the real data. Artificial neural network algorithms were elaborated to imitate the human brain competence for pattern classification, forecasting or decision-making, basing on past experience. Artificial neural networks belong to wide class of methods of behavioral scoring. In the paper analysis applying of linear discrimination function and neural networks are employed to define risky behavior patterns of clients and to check them after four months. (original abstract)

Słowa kluczowe

PL

Sieci neuronowe; Kredyt konsumpcyjny; Scoring

EN

Neural networks; Consumer credit; Scoring

• Czasopismo: Zeszyty Naukowe / Akademia Ekonomiczna w Poznaniu
• Rocznik: 2005
• Numer: nr 55
• Strony: 173--191

Twórcy

autor

Maciej Kokorniak

autor

Przemysław Garsztka

Bibliografia

• Baum E., Haussler D., What Size Net Gives Valid Generalization, Neural Computation 1989, 1 .
• Bessis J., Risk management in banking, John Wiley & Sons, Chichester 1998 .
• Butler C, Tajniki Value at Risk, K.E. Liber, Warszawa 2001 .
• Dowd K., Beyond Value at Risk, John Wiley & Sons, Chichester 1999.
• Gatnar E., Nieparametryczna metoda dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa 2001.
• Gatnar E., Symboliczne metody klasyfikacji danych. Wydawnictwo Naukowe PWN, Warszawa 1999 .
• Gately E.J., Sieci neuronowe w prognozowaniu finansowym, Wig-Press, Warszawa 1999.
• Gigol K., Opłacalność działalności kredytowej banku, Biblioteka Bankowca, 2000.
• Jagiełło R., Zarządzanie portfelem kredytowym banku, Fundacja Edukacji i Badań Naukowych, Warszawa 1998 .
• Janc A., Kraska M., Credit-Scoring, Biblioteka Menedżera i Bankowca, Warszawa 2001.
• Masters T., Sieci neuronowe w praktyce - programowanie w języku C+ +, WNT, Warszawa 1996 .
• Morrison D.F., Wielowymiarowa analiza statystyczna, PWN, Warszawa 1990 .
• Refenes A., Neural Networks in the Capital Markets, John Wiley & Sons, New York 2001.
• Saunders A., Metody pomiaru ryzyka kredytowego, Dom Wydawniczy ABC, Kraków 2001.
• Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa 1993.
• Witkowska D., Sztuczne sieci neuronowe i metody statystyczne, C.H. Beck, Warszawa 2002.
• Woźniak A., Jak świat radzi sobie z ryzykiem kredytowym, Rynek Terminowy 1999, nr 5.
• Żurada J., Barski M., Jędruch W., Sztuczne sieci neuronowe, Wydawnictwo Naukowe PWN, Warszawa 1996 .
• Rozporządzenie ministra finansów z dnia 10 grudnia 2001 roku w sprawie zasad tworzenia rezerw na ryzyko związane z działalnością banków .
• www.bzwbk.pl z dnia 30 października 2003 roku .
• www.pekao.com.pl z dnia 30 października 2003 roku .
• www.pkobp.pl z dnia 30 października 2003 roku