National and Kapodistrian University of Athens
Σύγκριση παραδοσιακών υποδειγμάτων υπολογισμού πιστωτικού κινδύνου με τεχνικές μηχανικής μάθησης
Abstract
dc:descriptionΟ πιστωτικός κίνδυνος είναι ο κύριος κίνδυνος στον τραπεζικό τομέα που επηρεάζει την κεφαλαιακή επάρκεια και, ως εκ τούτου, ένα από τα βασικά ζητήματα για τη διατήρηση της χρηματοπιστωτικής σταθερότητας και τη βελτίωση της λειτουργίας του. Υπάρχουν διάφορες μέθοδοι και ποικίλα μοντέλα που χρησιμοποιούνται για την πρόβλεψη του πιστωτικού κινδύνου στον τραπεζικό κλάδο, όπως παραδοσιακά στατιστικά μοντέλα, καθώς και τεχνικές μηχανικής μάθησης, οι οποίες τα τελευταία χρόνια, λόγω της άμεσης σχέσης τους με τη στατιστική επιστήμη και των εντυπωσιακών αποτελεσμάτων τους στην προβλεπτική τους ικανότητα, ερευνώνται με μεγάλη συχνότητα για την εφαρμογή τους στον υπολογισμό του. Η έρευνα που εκπονείται έχει στόχο τη σύγκριση παραδοσιακών μοντέλων πρόβλεψης του πιστωτικού κίνδυνου στον τραπεζικό κλάδο, με τεχνικές μηχανικής μάθησης ή/και νευρωνικών δικτύων. Αρχικά, ερευνώνται υπάρχοντα μοντέλα εκτίμησης πιστωτικού κινδύνου (π.χ. λογιστική παλινδρόμηση) σε πραγματικά δεδομένα. Στη συνέχεια, γίνεται το ίδιο με τεχνικές μηχανικής μάθησης ή/και νευρωνικών δικτύων και συγκρίνονται τα αποτελέσματα. Τα μοντέλα εκπαιδεύονται με δεδομένα που λαμβάνονται από συστημική τράπεζα. Ερευνάται, επίσης, η θέση που μπορεί να έχουν τέτοια μοντέλα στον τραπεζικό κλάδο και η αποδοχή τους από τις εποπτικές αρχές. Τα πιθανά οφέλη της εφαρμογής τέτοιων μοντέλων είναι ο κύριος λόγος του ενδιαφέροντος της συγκεκριμένης έρευνας. Διαπιστώνεται ότι η λογιστική παλινδρόμηση ως στατιστικό μοντέλο μπορεί να αποτελέσει ένα καλό μοντέλο οικονομετρίας που είναι σε θέση να υπολογίσει την πιθανότητα αθέτησης. Επίσης, τα νευρωνικά δίκτυα είναι μια μέθοδος πολύ υψηλής απόδοσης που μπορεί να χρησιμοποιηθεί στη διαχείριση ανάλογων προβλημάτων.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Σαρδέλλας Αντώνιος
- Sardellas Antonios
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek
Identifiers
dc:identifier.*- Identifier
- uoadl:2929044