Modelling of arrears in payments for dwelling using artificial neural networks

• Authors: Jasiński Tomasz , Bochenek Anna

Title variants

PL

Modelowanie zaległości w opłatach za mieszkania przy użyciu sztucznych sieci neuronowych

• Languages of publication: EN

Abstracts

EN

The study presents the construction process of a model that forecasts arrears in dwelling payments in individual municipalities in Poland depending on the values of economic data from previous years. This enables to estimate arrears that will arise in the investigated municipalities in the year of analysis. The model constructed on the basis of artificial neural networks, which is a tool from the area of artificial intelligence, was used to carry out forecasts. More than one hundred thousand networks with multilayer perceptron (MLP) and radial basis function (RBF) architectures were tested. The MAPE for prediction of the number of indebted dwellings in municipalities with at least 50 indebted premises was 6.08%. The correctness of forecasts in the area of the direction of changes of household debt in municipalities between 2014 and 2015 was 76.84%.

PL

Opracowanie przedstawia proces budowy modelu prognozującego zaległości w opłatach mieszkaniowych w poszczególnych gminach w Polsce w zależności od wartości danych ekonomicznych z lat poprzednich. Umożliwia to oszacowanie zaległości, jakie będą kształtować się w badanej gminie w roku dokonywania analizy. Do przeprowadzenia prognoz został użyty model zbudowany na bazie sztucznych sieci neuronowych będących narzędziem z obszaru sztucznej inteligencji. Testom zostało poddanych ponad sto tysięcy sieci o architekturze perceptronu wielowarstwowego (MLP) oraz o radialnych funkcjach bazowych (RBF). MAPE dla prognozy liczby zadłużonych nieruchomości (z zaległościami w opłatach mieszkaniowych) w poszczególnych gminach wyniósł 6,08% (badaniu poddano gminy, w których zadłużenie występowało w minimum 50 nieruchomościach). Poprawność prognoz kierunku zmian zadłużenia gospodarstw domowych w gminach w latach 2014-2015 wyniosła 76,84%.

Keywords

EN

payment arrears; household debt; forecasts; municipalities; artificial neural networks

PL

zaległości płatnicze; zadłużenie gospodarstw domowych; prognozy; gminy; sztuczne sieci neuronowe

• Publisher: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
• Journal: Informatyka Ekonomiczna
• Year: 2019
• Issue: 2 (52)
• Pages: 58-68

Contributors

author

Jasiński Tomasz

author

Bochenek Anna

References

• Alfaro R., Gallardo N., 2012, The determinants of household debt default, Revista de Análisis Económico, vol. 27, no. 1, pp. 55-70.
• Alpanda S., Zubairy S., 2017, Addressing household indebtedness: Monetary, fiscal or macroprudential policy?, European Economic Review, vol. 92, pp. 47-73.
• Begg K.H., Fischer S., Dornbusch R., 2002, Economics, MGH Pub. Co., Berkshire.
• Central Statistical Office, Macroeconomic Data Bank, 2018, Living conditions of population, https://bdm.stat.gov.pl (10.12.2018).
• Coletta M., De Bonis R., Piermattei S., 2014, Household debt: A cross-country analysis, Bank of Italy Temi di Discussione (Working Paper) 989, https://ssrn.com/abstract=2571267 (12.12.2018).
• Kolasa A., 2017, Sytuacja finansowa sektora gospodarstw domowych w I kw. 2017 r, National Bank of Poland, https://www.nbp.pl (10.12.2018).
• McCulloch S., Pitts W.S., 1943, A logical calculus of the ideas immanent in nervous activity, Bulletin of Mathematical Biophysics, vol. 5, pp. 115-133.
• Meng S., Hoang N.T., Siriwardana M., 2011, The Determinants of Australian Household Debt: A Macro-level Study, Business, Economics and Public Policy Working Papers, School of Business, Economics and Public Policy Faculty of the Professions, University of New England, vol. 4, pp. 1-24.
• National Bank of Poland, 2017, Zasobność gospodarstw domowych w Polsce. Raport z badania 2016r, https://www.nbp.pl (14.12.2018).
• Nomatye A., Phiri A., 2018, Investigating the macroeconomic determinants of household debt in South Africa, International Journal of Economics and Financial Issues, vol. 8, no. 2, pp. 62-69.
• Turdaliev N., Zhang Y., 2019, Household debt, macroprudential rules, and monetary policy, Economic Modelling, vol. 77, pp. 234-252.
• Wałęga G., 2010, Determinanty zadłużenia gospodarstw domowych w Polsce w świetle wybranych teorii konsumpcji, [in:] Z. Dach (ed.), Otoczenie ekonomiczne a zachowania podmiotów rynkowych, PTE, Kraków, pp. 114-133.
• Zhang Y., 2019, Household debt, financial intermediation, and monetary policy, Journal of Macroeconomics, vol. 59, pp. 230-257.