Sieci neuronowe a podejście oparte na ratingach wewnętrznych. Studium przypadku

Aleksandra Wójcicka-Wójtowicz

Abstract

Banks were always considered the institutions of public trust. However, this trust was significantly violated in the past crises. The insufficiency of some approaches led to the implementation of new improved methods such as artificial neural networks (ANN). The classification task in risk management can be of identifying potential debtors due to their ability to pay back the debt in contractual time due to the ex-post financial information. The objective of the paper is to investigate and compare an Internal-Ratings Based method with Multi-layer Perceptron Neural Network in the process of classification of banks' potential clients. The results of those different methods are juxtaposed, and their performance compared to decide whether NN have truly any predictive advantage over other presented methods in forecasting a future default.
Author Aleksandra Wójcicka-Wójtowicz (WIiGE / KBO)
Aleksandra Wójcicka-Wójtowicz,,
- Department of Operations Research
Other language title versionsNeural Networks vs. Internal-rating Based Approach. A Case Study
Journal seriesPrace Naukowe Uniwersytetu Ekonomicznego We Wrocławiu, ISSN 1899-3192, e-ISSN 2392-0041, [0324-8445], (B 10 pkt)
Issue year2018
No533
Pages250-258
Publication size in sheets0.5
Keywords in Polishryzyko kredytowe, sieci neuronowe, metoda wewnętrznych ratingów, klasyfikacja kredytobiorców
Keywords in Englishcredit risk, neural networks, IRB method, classification of debtors
Abstract in PolishBanki uważane są za instytucje zaufania publicznego. Zaufanie to zostało nadwyrężone przez ostatni kryzys finansowy w 2007 r. W związku ze wzrostem zanotowanych bankructw banki zaczęły przywiązywać większą wagę do oceny ryzyka kredytowego, które w skrajnych przypadkach może doprowadzić do bankructwa banku. Basel III skupia się na potrzebie uściślenia regulacji dotyczących zarządzania ryzykiem i modeli wywodzących się z ratingów wewnętrznych. Jednocześnie coraz większą popularność w klasyfikacji kredytobiorców zyskują sieci neuronowe. Celem artykułu jest przedstawienie zastosowania perceptronu wielowarstwowego ze wsteczną propagacją w klasyfikacji kredytobiorców i porównanie jakości klasyfikacji z modelem ratingów wewnętrznych. Na podstawie przeprowadzonych badań można stwierdzić, że sieci neuronowe ze względu na łatwość adaptacji i możliwość dynamicznego kształtowania zbioru zmiennych wejściowych (input) osiągają lepsze wyniki klasyfikacji kredytobiorców niż mniej elastyczne metody, takie jak testowana metoda IRB.
DOIDOI:10.15611/pn.2018.533.24
URL https://www.dbc.wroc.pl/dlibra/publication/105877/edition/60745
Languagepl polski
Score (nominal)10
Score sourcejournalList
ScoreMinisterial score = 10.0, 21-04-2020, ArticleFromJournal
Citation count*
Additional fields
Tytuł numeruFinanse przedsiębiorstw i gospodarstw rolnych
Cite
Share Share

Get link to the record


* presented citation count is obtained through Internet information analysis and it is close to the number calculated by the Publish or Perish system.
Back
Confirmation
Are you sure?