hrcak mascot   Srce   HID

Prethodno priopćenje
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 icon orcid.org/0000-0002-0192-0226 ; University of Warsaw – Faculty of Economic Sciences, Warsaw, Poland.
Mateusz Heba   ORCID icon orcid.org/0000-0001-6929-907X ; University of Warsaw – Faculty of Economic Sciences, Warsaw, Poland.

Puni tekst: engleski, pdf (2 MB) str. 163-197 preuzimanja: 47* citiraj
APA 6th Edition
Dzik-Walczak, A. i Heba, M. (2021). An implementation of ensemble methods, logistic regression, and neural network for default prediction in Peer-to-Peer lending. Zbornik radova Ekonomskog fakulteta u Rijeci, 39 (1), 163-197. https://doi.org/10.18045/zbefri.2021.1.163
MLA 8th Edition
Dzik-Walczak, Aneta i Mateusz Heba. "An implementation of ensemble methods, logistic regression, and neural network for default prediction in Peer-to-Peer lending." Zbornik radova Ekonomskog fakulteta u Rijeci, vol. 39, br. 1, 2021, str. 163-197. https://doi.org/10.18045/zbefri.2021.1.163. Citirano 28.11.2021.
Chicago 17th Edition
Dzik-Walczak, Aneta i Mateusz Heba. "An implementation of ensemble methods, logistic regression, and neural network for default prediction in Peer-to-Peer lending." Zbornik radova Ekonomskog fakulteta u Rijeci 39, br. 1 (2021): 163-197. https://doi.org/10.18045/zbefri.2021.1.163
Harvard
Dzik-Walczak, A., i Heba, M. (2021). 'An implementation of ensemble methods, logistic regression, and neural network for default prediction in Peer-to-Peer lending', Zbornik radova Ekonomskog fakulteta u Rijeci, 39(1), str. 163-197. https://doi.org/10.18045/zbefri.2021.1.163
Vancouver
Dzik-Walczak A, Heba M. An implementation of ensemble methods, logistic regression, and neural network for default prediction in Peer-to-Peer lending. Zbornik radova Ekonomskog fakulteta u Rijeci [Internet]. 2021 [pristupljeno 28.11.2021.];39(1):163-197. https://doi.org/10.18045/zbefri.2021.1.163
IEEE
A. Dzik-Walczak i M. Heba, "An implementation of ensemble methods, logistic regression, and neural network for default prediction in Peer-to-Peer lending", Zbornik radova Ekonomskog fakulteta u Rijeci, vol.39, br. 1, str. 163-197, 2021. [Online]. https://doi.org/10.18045/zbefri.2021.1.163

Sažetak
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.

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

Hrčak ID: 259598

URI
https://hrcak.srce.hr/259598

[engleski]

Posjeta: 102 *