Search results

1

Kwalifikacja wniosków kredytowych – porównanie regresji oraz sieci neuronowej

100%

Gajda J. B.

Studia Ekonomiczne

|

2018

|

vol. 364

58-71

PL

W pracy badamy decyzje udzielenia bądź odmowy udzielenia kredytu konsumpcyjnego przeznaczonego na zakup samochodu osobowego na przykładzie próby ok. 200 klientów pewnego banku. Analiza sprowadza się do porównania instrumentów wspomagających podejmowanie decyzji – funkcji regresji oraz sieci neuronowej. Banki bądź przyznają kredyty (zmienna wyjściowa przybiera wartość 1), bądź ich odmawiają (na wyjściu pojawia się 0) na podstawie informacji o kliencie (tworzącej zbiór zmiennych wejściowych) zawartej w wypełnianym przez niego kwestionariuszu. Ze względu na obowiązek zachowania tajemnicy banki strzegą danych klientów, stąd rzadkość badań wykorzystujących informacje pochodzące z autentycznych wniosków kredytowych. Sieci neuronowe mogą okazać się przydatne do wstępnego rozpoznania istnienia bądź braku powiązań pomiędzy zmiennymi wejściowymi a wyjściowymi. Jeśli dopasowanie sieci jest wyraźnie lepsze od dopasowania liniowego równania regresji – sugeruje to nieliniowy charakter związku pomiędzy tymi zmiennymi. W naszym przykładzie użyteczność włączenia logarytmu zmiennej staż zdaje się wskazywać na przewagę sieci neuronowej. Jednakże – w odróżnieniu od regresji – sieci neuronowe nie dają szans rozróżnienia zmiennych wejściowych mających istotny wpływ na zmienne wyjściowe od niemających takiego wpływu. Pozostawia to pole do dyskusji na temat podobieństw i różnic w zakresach stosowalności sieci oraz modeli ekonometrycznych.

EN

The paper analyses bank’s decisions to accept or reject applications for loan. We compare suggestions given on one hand side by regressions, on the other hand by neural networks, both based on input variables presented in applications and binary output variables (1 if the application is accepted, 0 if the application has been rejected). Banks usually keep their clients data secret, thus our empirical information is based on applications of only 200 clients. Neural networks, working as a data mining instrument, may help to identify relationships between input and output variables, linear or nonlinear ones. If the fit of a network is better than the fit of a regression, both based on the same data set, one may conclude that the relation has nonlinear character. In our work the fact, that regression’s fit improved when a nonlinear variable ln_stage was included as an explanatory one supports such interpretation. On the other hand neural networks – as opposed to regression – are not capable to differentiate between input variables influencing the output significantly from variables with non-significant influence. This gives a room for discussion on similarities and differences of application neural networks and regressions.

2

Badanie wpływu nowoczesnych usług na poziom rozwoju społeczno-gospodarczego z wykorzystaniem dwustopniowej analizy współzależności

84%

Dominiak J., Hauke J.

Studia Ekonomiczne

|

2018

|

vol. 367

59-75

PL

Wśród podstawowych czynników i uwarunkowań rozwoju społeczno- -gospodarczego najczęściej wymienia się kapitał ludzki, społeczny, finansowy, otoczenie biznesu i innowacyjność. Ważną rolę w ich kształtowaniu odgrywają nowoczesne usługi oparte na wiedzy, do których zalicza się: usługi edukacyjne i medyczne, badawczo- rozwojowe, finansowe, profesjonalne. Ich rola rośnie szczególnie w kontekście rozwoju nowoczesnej gospodarki opartej na wiedzy. Z tego względu istotne wydaje się ukazanie wpływu nowoczesnych usług na rozwój społeczno-gospodarczy z uwzględnieniem czynników rozwoju. Celem artykułu jest próba weryfikacji hipotezy o wpływie nowoczesnych usług na poziom rozwoju społeczno-gospodarczego z wykorzystaniem dwustopniowej analizy współzależności. Pierwszy etap tej metody polega na zastosowaniu korelacji kanonicznej w celu wykazania związku między poziomem rozwoju nowoczesnych usług a czynnikami rozwoju. W drugim etapie wykorzystano analizę regresji dla zbadania wpływu wyróżnionych wcześniej zmiennych kanonicznych na poziom rozwoju społeczno-gospodarczego. Analizę przeprowadzono w układzie państw UE na podstawie danych z bazy Eurostat.

EN

Among the basic factors and determinants of socio-economic development the most often used are human capital, social, financial, business environment and innovation. An important role in it’s shaping is played by modern knowledge-based services, which include: education and medical services, R&D, finance, and professional services. Their role is growing particularly in the context of the development of a modern knowledge-based economy. Therefore, it seems important to show the impact of modern services on socio-economic development taking into account development factors. The aim of the article is an attempt to verify the hypothesis about the impact of modern services on the level of socio-economic development based on a two-step analysis of interdependence. In the first step, canonical correlation is used to demonstrate the relationship between the level of development of modern services and the factors of development. In the second step, a regression analysis was used to examine the impact of previously identified canonical variables on the level of socio-economic development. The analysis was conducted in the EU countries based on Eurostat data.

3

Szacowanie parametrów ryzyka kredytowego przy użyciu rodzin klasyfikatorów

84%

Grzybowska U., Karwański M.

Studia Ekonomiczne

|

2015

|

vol. 248

107-120

PL

Banki stosujące zalecenia Umowy Bazylejskiej II/III zobowiązane są do wyznaczania ryzyka na podstawie szeregu parametrów. Jednym z nich jest procent straty – Loss Given Default (LGD). W literaturze LGD traktowany jest jako zmienna losowa, o rozkładzie dwumodalnym. Do szacowania wielkości LGD stosuje się zaawansowane regresyjne modele statystyczne. Alternatywny sposób to wykorzystanie metod data miningowych. Szczególnie atrakcyjne wydają się estymatory typu rodzin klasyfikatorów, które pozwalają na uśrednienie rezultatów wielu „słabych klasyfikatorów” i uzyskanie bardziej precyzyjnych wyników. Rodziny klasyfikatorów operują tzw. informacją. Problemem jest interpretacja informacji w kategoriach biznesowych. Celem artykułu jest uzgodnienie obu podejść i interpretacji. Przedstawione zostaną wyniki szacowania przy użyciu modeli: ułamkowej regresji logistycznej, beta-regresji, boostingu gradientowego oraz lasów losowych. Porównane zostaną właściwości estymatorów. Obliczenia wykonane zostały na danych rzeczywistych.

EN

According to the Capital Requirements Directive banks applying the internal rating based approach are obliged to estimate risk based on a set of risk parameters. One of the risk parameters is Loss Given Default (LGD). LGD is treated as a random variable with a bimodal distribution. One can apply advanced statistical models in LGD estimation. An alternative approach is to use data mining methods. The most promising seem to be families of classifiers, that allow for averaging results of many weak classifiers and for obtaining more precise results. Families of classifiers are built based on information criterion. The problem encountered is interpretation of obtained results in terms of business applications. The aim of the paper is to compare both approaches. We present results of LGD estimation with help of two regression models: fractional and beta regression and two ensemble methods: gradient boosting and random forests. Calculations were done on real life data.

Refine search results

3 Studia Ekonomiczne

1 Dominiak J.

1 Gajda J. B.

1 Grzybowska U.

1 Hauke J.

1 Karwański M.

2 2018

1 2015

Kwalifikacja wniosków kredytowych – porównanie regresji oraz sieci neuronowej

Badanie wpływu nowoczesnych usług na poziom rozwoju społeczno-gospodarczego z wykorzystaniem dwustopniowej analizy współzależności

Szacowanie parametrów ryzyka kredytowego przy użyciu rodzin klasyfikatorów