PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2013 | nr 305 Ekonomia | 240--251
Tytuł artykułu

Możliwości oddziaływania na wzrost gospodarczy poprzez kontrolę poziomu ryzyka kredytowego w bankach przy wykorzystaniu systemów sztucznej inteligencji

Warianty tytułu
Banks' Possibilities of Influencing Macroeconomic Growth by the use of Neural Network Systems in the Credit Risk Control
Języki publikacji
PL
Abstrakty
Celem artykułu jest pokazanie możliwości oddziaływania banków na wzrost gospodarczy poprzez doskonalenie procesów przetwarzania informacji wspierających procedurę przyznawania kredytu. Autorzy wskazują na duży potencjał w zakresie poprawy jakości portfela kredytowego związany z wykorzystaniem w tym procesie systemów sieci neuronowych. Zastosowanie tych systemów pozwala na znaczne zwiększenie korelacji pomiędzy czynnikami determinującymi poziom ryzyka kredytowego i klasami ryzyka tworzonymi w ramach systemów ratingowych. W opracowaniu główny nacisk położony został na kwestie optymalizacji poprzez odpowiedni dobór danych wejściowych oraz metody nauki sieci. Ostatecznie wpływa to na poprawę wyników finansowych banków i zwiększenie dostępności kredytu, co stymuluje procesy wzrostu gospodarczego(abstrakt oryginalny)
EN
The aim of the article is to indicate the banks' possibilities in their influencing macroeconomic growth by the improvement made in the data processing procedure in the credit grant decision making. The authors focus on the potential that lies in the improvement of the loan portfolio quality resulting from neural network use. The paper focuses mainly on the issues of artificial neural networks optimization by the proper choice of input data and training method. Finally these systems allow to increase a correlation between credit risk determinants and risk classes in the credit rating systems. The ultimate outcome is better financial standing of the banks and credit availability, which stimulates economic growth processes.(original abstract)
Słowa kluczowe
Rocznik
Strony
240--251
Opis fizyczny
Twórcy
  • Politechnika Łódzka
  • Politechnika Łódzka
Bibliografia
  • Atiya A.F., Bankruptcy Prediction for Credit Risk Using Neural Networks: A Survey and New Results, [w:] IEEE Transactions on Neural Networks, vol. 12, nr 4, 07.2001.
  • Bai Q., Analysis of Particle Swarm Optimization Algorithm, "Computer and Information Science", vol. 3, nr 1, 02.2010.
  • Bankinternes Rating mittelständischer Kreditnehmer im Zuge von Basel II, Bundesverband Deutscher Banken, Daten,Fakten, Argumenten, Berlin, 2. Aktualisierte Auflage, Juli 2009.
  • Basel II und Rating in Deutschland: Wie beeinflusst ein Rating die Kreditentscheidung?https://www.bankenverband.de/presse/07.2012.
  • Borio C., Change and Constancy In the Financial System: Implication for Financial Distress and Policy , BIS Working Paper nr 237, Monetary and Economic Department, 2007.
  • Bundesverband Deutscher Banken, Rating, Fokus: Unternehmen, Eine Information der privaten Banken, Berlin, September 2010.
  • Gao L., Zhou C., Gao H.-B., Shi Y.-R., Credit Scoring Model Based on Neural Network with Particle Swarm Optimization, [w:] ICNC 2006, Part I, red. L. Jiao:, LNCS 4221, Springer-Verlag Berlin Heidelberg, 2006, s. 76-79.
  • Haubrich 1989, Financial intermediation, delegated monitoring, and long-term relationship, "Journal of Banking and Finance" 1989, vol. 13.
  • Jasiński T., Zastosowanie dyskretnej transformaty falkowej do poprawy wyników uzyskiwanych przez sztuczne sieci neuronowe, [w:] Studia i Prace Kolegium Zarządzania i Finansów, SGH 2004, zeszyt naukowy 48.
  • Kennedy R., Eberhart R., A New Optimizer Using Particle Swarm Theory, [w:] Proc. of 6th International Symposium on Micro Machine and Human Science, Nagoya, Japan. IEEE Service Center Piscataway NJ, s. 39-43, 1995.
  • Khashman A., A Neural Network Model for Credit Risk Evaluation, "International Journal of Neural Systems", Vol. 19, nr 4, 2009, s. 285-294.
  • Korenik D., Służebna rola banków komercyjnych, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, Wrocław 2009.
  • Matoussi H., Krichene A., Credit risk assessment using Multilayer Neural Network Models. Case of a Tunisian bank, International Business and Social Science Research Conference in Bangkok, 2011.
  • NBP, Raport o stabilności systemu finansowego, grudzień 2011.
  • Polański Z., Woźniak B, Pietrzak B., System finansowy w Polsce, Difin, Warszawa 2008.
  • Tadeusiewicz R., Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami, Akademicka Oficyna Wydawnicza PLJ, 1998.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171271045

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.