Wykorzystanie metamodelu do prognozy rentowności ex ante bankowego projektu inwestycyjnego

• Authors: Miszczyński Piotr

Title variants

EN

Use of metamodel for ex ante profitability forecast of bank investment project

• Languages of publication: PL

Abstracts

PL

Celem pracy jest przedstawienie wyników badań nad konstrukcją metamodelu jako narzędzia służącego do bieżącej oceny bankowego projektu inwestycyjnego. Głównym efektem inwestycji w nowy projekt bankowy jest tzw. portfel klientów, który cechuje się odpowiednią strukturą ryzyka i rentownością. Dzięki odpowiednio szybko i dokładnie działającemu narzędziu do szacowania rentowności ex ante można dokonywać bieżącej oceny rentowności nowo sprzedawanych produktów bankowych, w szczególności kredytów. Dokonywane na tej podstawie decyzje dotyczące parametrów cenowych i ryzyka pozwalają tworzyć odpowiednio rentowny portfel, co wpływa na wartość budowanego banku.

EN

The aim of this paper is to present the results of research on the metamodel as a tool for ongoing evaluation of a bank investment project. The main result of investment in a new banking project is the so-called a customer portfolio that has a suitable risk structure and profitability. Thanks to the fast and accurate ex ante profitability tool, an ongoing assessment of the profitability of new banking products, especially loans, is possible. On this basis, price and risk pricing decisions allows to create a reasonably profitable portfolio that affects the value of the bank beeing built.

Keywords

PL

Metamodel; Ocena projektu bankowego; Prognoza rentowności; Wycena inwestycji

EN

Bank project evaluation; Investment valuation; Metamodel; Profitability prognosis

• Publisher: Uniwersytet Ekonomiczny w Katowicach
• Journal: Studia Ekonomiczne
• Year: 2018
• Volume: 364
• Pages: 125-137

Contributors

author

Miszczyński Piotr

• Uniwersytet Łódzki. Wydział Ekonomiczno-Socjologiczny. Katedra Badań Operacyjnych

References

• Barton R., State P. (2010), Metamodel-Based Optimization, NSF Workshop on Simulation Optimization.
• Cicirko T. (2012), Efektywne zarządzanie kapitałem banku komercyjnego w Polsce w świetle standardów adekwatności kapitałowej, Oficyna Wydawnicza SGH, Warszawa.
• Gajda J.B. (2001), Prognozowanie i symulacja a decyzje gospodarcze, Wydawnictwo C.H.Beck, Warszawa.
• Gajda J.B. (2004), Ekonometria. Wykład i łatwe obliczenia w programie komputerowym! Wydawnictwo C.H.Beck, Warszawa.
• Hornik K., Zeileis A. (2015), Partykit: A Toolkit for Recursive Partytioning, https://cran.r-project.org/web/packages/partykit/vignettes/partykit.pdf (dostęp: 15.03.2017).
• Hothorn T., Hornik K., Zeileis A. (2010), Package ‘ctree’: Conditional Inference Trees, https://cran.r-project.org/web/packages/partykit/vignettes/ctree.pdf (dostęp: 15.03.2017).
• Hothorn T., Hornik K., Zeileis A. (2015), Package ‘party’. A Laboratory for Recursive Partytioning, https://cran.r-project.org/web/packages/party/party.pdf (dostęp: 15.03.2017).
• Kamiński B. (2015a), A Method for the Updating of Stochastic Kriging Metamodels, “European Journal of Operational Research”, Vol. 247, s. 859-866.
• Kamiński B. (2015b), Interval Metamodels for the Analysis of Simulation Input–Output Relations, “Simulation Modelling Practice and Theory”, Vol. 54, s. 86-100.
• Krysiak A., Staniszewska A., Wiatr M.S. (2015), Zarządzanie portfelem kredytowym banku, Oficyna Wydawnicza SGH, Warszawa.
• Liaw A., Wiener M. (2015), Package ‘randomForest’ – Breiman and Cutler’s Random Forests for Classification and Regression, https://cran.r-project.org/web/packages/randomForest/randomForest.pdf (dostęp: 15.03.2017).
• Manikowski A. (2010), Ilościowe metody wspomagania ocen projektów gospodarczych, Wydawnictwo Naukowe Wydziału Zarządzania Uniwersytetu Warszawskiego, Warszawa.
• Marcinkowska M. (2003), Wartość banku, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.
• Rakotomalala R. (2011), TANAGRA: Data Mining with R – The Rattle Package, https://eric.univ-lyon2.fr/~ricco/tanagra/fichiers/en_Tanagra_Rattle_Package_for_R.pdf (dostęp: 15.03.2017).
• Ripley B., Venables W. (2016), Package ‘nnet’ – Feed-Forward Neural Networks and Multinomial Log-Linear Models, https://cran.r-project.org/web/packages/nnet/nnet.pdf (dostęp: 15.03.2017).
• Therneau T., Atkinson B., Ripley B. (2017), Package ‘rpart’ – Recursive Partitioning and Regression Trees, https://cran.r-project.org/web/packages/rpart/rpart.pdf (dostęp: 15.03.2017).
• Therneau T., Atkinson E.J. (2017), An Introduction to Recursive Partitioning Using the RPART Routines, https://cran.r-project.org/web/packages/rpart/vignettes/longintro.pdf (dostęp: 15.03.2017).
• Williams G.J. (2009), Rattle: A Data Mining GUI for R, “The R Journal”, Vol. 1/2, s. 45-55.

Identifiers

ISSN

2083-8611