The Application of Symbolic Kernel Discriminant Analysis in Credit Rating

• Autorzy: Marcin Pełka

Warianty tytułu

Zastosowanie jądrowej analizy dyskryminacyjnej obiektów symbolicznych do oceny zdolności kredytowej

• Języki publikacji: EN

Abstrakty

EN

First part of this article presents aims of discriminant analysis with special focus on the non-parametric kernel density estimation method. Second part introduces terms of symbolic objects and symbolic variable. Third part shows how Bayesian discrimination rule can be adapted to deal with data of different symbolic types, using kernel intensity measures for symbolic data. The last part of the article presents results of discrimination analysis for symbolic objects in credit rating and compares its results with credit decision made by a credit officer. (fragment of text)

Celem artykułu jest przedstawienie możliwości zastosowania jądrowej analizy dyskryminacyjnej obiektów symbolicznych do oceny zdolności kredytowej osób fizycznych. Artykuł pokazuje również, jak „klasyczna” analiza Bayesowska może być zaadaptowana dla różnych typów danych symbolicznych za pomocą jądrowego estymatora intensywności dla obiektów symbolicznych. W części empirycznej dokonano oceny zdolności kredytowej osób fizycznych na podstawie danych uzyskanych z roku 2004 dla banku BGŻ SA Oddział w Kłodzku. (abstrakt oryginalny)

Słowa kluczowe

EN

Discriminant analysis; Bank credit; Credit capacity

PL

Analiza dyskryminacyjna; Kredyt bankowy; Zdolność kredytowa

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Ekonometria
• Rocznik: 2008
• Tom: 22
• Numer: nr 27 Zastosowania metod ilościowych
• Strony: 28--35

Twórcy

autor

Marcin Pełka

• Uniwersytet Ekonomiczny we Wrocławiu

Bibliografia

• Bock H-H., Diday E. (eds.), Analysis of Symbolic Data. Explanatory Methods for Extracting Statistical Information from Complex Data, Springer Verlag, Berlin-Heidelberg 2000.
• Domański C., Pruska K., Nieklasyczne metody statystyczne, PWE, Warszawa 2000.
• Dudek A., Miary podobieństwa obiektów symbolicznych. Odległość Ichino-Yaguchiego, Prace Naukowe Akademii Ekonomicznej nr 1021, AE, Wrocław 2004, s. 100-106.
• Dudek A., Pełka M., Effectiveness of Symbolic Classification Trees vs. Noisy Variables. Folia Oeconomica, Acta Universitatis Lodziensis, Łódź (in review).
• Dudek A., Zastosowanie analizy dyskryminacyjnej obiektów symbolicznych do filtrowania poczty elektronicznej, Folia Oeconomica, Acta Universitatis Lodziensis, Łódź 2005.
• Feldman W., Kryterium wyboru krzywych Pearsona, „Przegląd Statystyczny” 1975 nr 22/1.
• Hand D, Mannila H, Smyth P., Principles of Data Mining, MIT Press, Cambridge 2001.
• Härdle W., Simar L., Applied Multivariate Data Analysis, Springer Verlag, Berlin-Heidelberg 2003.
• Malerba D., Esposito F., Giovalle V., Tamma V., Comparing Dissimilarity Measures for Symbolic Data Analisys, [w:] P. Nanopoulos (ed.), New Technics and Technologies for Statistics and Exchange of Technology and Know-how, (ETK-NTTS’01) Post conference materials, s. 473-481.
• Rasson J.F., Lissoir S., Symbolic Kernel Discriminant Analysis, „Computational Statistics” 2000 issue 15, s. 127-132.