Skip to the main content

Preliminary communication

https://doi.org/10.18045/zbefri.2021.1.163

Primjena ansambl metoda, logističke regresije i neuronske mreže na mogućnost predviđanja Peer-to-Peer pozajmljivanja

Aneta Dzik-Walczak orcid id orcid.org/0000-0002-0192-0226 ; University of Warsaw – Faculty of Economic Sciences, Warsaw, Poland.
Mateusz Heba orcid id orcid.org/0000-0001-6929-907X ; University of Warsaw – Faculty of Economic Sciences, Warsaw, Poland.


Full text: english pdf 2.507 Kb

page 163-197

downloads: 409

cite


Abstract

Procjena kreditne sposobnosti postaje izuzetno važna s obzirom na sve intenzivniju konkurenciju među financijskim institucijama tako da čak i neznatno unapređivanje točnosti predviđanja može rezultirati značajnom uštedom. Financijske institucije traže optimalne strategije pomoću modela procjene kreditne sposobnosti. Stoga je proučavanje alata za procjenu kreditne sposobnosti široko rasprostranjeno. Kao rezultat toga, razvijene su različite parametarske statističke metode, ne-parametarski statistički alati i pristupi programskom računanju kako bi se povećala točnost modela procjene kreditne sposobnosti. U ovom radu primjenjuju se različiti pristupi za klasifikaciju kupaca, kao onih koji vraćaju zajam i onih koji ne mogu podmirivati svoje obveze. Svrha ove studije je istražiti uspješnost dviju tehnika vrednovanja kreditne sposobnosti, modela logističke regresije, procijenjene na temelju kategorizirane varijable modificirane pomoću WOE (Weight of Evidence) transformacije, i neuronskih mreža. Nadalje, istražuje se da li kombiniranje više klasifikatora i testiranje prikupljenih informacija ansambl metodom doprinosi boljim rezultatima. Da bi se procijenila izvedivost i učinkovitost ovih metoda, provodi se analiza podataka Lending Cluba. Istražuje se P2P pozajmljivanje, odnosno uzajamno pozajmljivanje bez posredovanja financijskih institucija, koje se još naziva i socijalno pozajmljivanje. Na temelju provedenog istraživanja, može se zaključiti da model logističke regresije daje bolje rezultate od neuronskih mreža. Izgleda da je predloženi ansambl model (kombinirajući logističku regresiju i neuronsku mrežu s prosjekom vjerojatnosti dobivenih iz oba modela) imao veću AUC krivulju, Gini koeficijent i Kolmogorov-Smirnov test veću statističku vrijednost u usporedbi s drugim modelima. Stoga možemo zaključiti da ansambl model omogućuje uspješno reduciranje mogućih rizika od gubitaka koji nastaju uslijed pogrešne klasifikacije troškova.

Keywords

procjena kreditne sposobnosti; ansambl metode; logistička regresija; neuronske mreže; P2P pozajmljivanje/ uzajamno pozajmljivanje

Hrčak ID:

259598

URI

https://hrcak.srce.hr/259598

Publication date:

30.6.2021.

Article data in other languages: english

Visits: 1.103 *