Login for students

Login for employees

Publication detail

Municipal credit rating modelling by neural networks
Authors: Hájek Petr
Year: 2011
Type of publication: článek v odborném periodiku
Name of source: Decision Support Systems
Publisher name: Elsevier Science BV
Place: Amsterdam
Page from-to: 108-118
Titles:
Language Name Abstract Keywords
cze Modelování úvěrového ratingu obcí pomocí neuronových sítí Článek uvádí možnosti modelování pomocí neuronových sítí na reálném problému - úvěrovém ratingu obcí. Nejprve jsou uvedeny současné přístupy k jeho modelování. Jsou analyzovány výsledky předchozích studií a dále je navržen model pro klasifikaci obcí USA (stát Connecticut) do ratingových tříd. Model zahrnuje předzpracování dat, proces selekce vstupních proměnných a návrh různých struktur neuronových sítí rpo klasifikaci. Selekce vstupních proměnných je realizována genetickými algoritmy. Vstupní proměnné jsou získány z finnančních a statistických výkazů ve shodě s předcházejícími studiemi. Tyto proměnné představují vstupy neuronových sítí, zatímco ratingové třídy získané od ratingové agentury Moody's jsou výstupy. Kromě přesných ratingových tříd jsou data označena také pomocí čtyř základních tříd. Přesnost klasifikace a příspěvky vstupních proměnných jsou studovány pro různé počty tříd. Výsledky ukazují, že ratingové třídy je možné klasifikovat s vysokou přesností za použití omezené podmnožiny vstupů. Analýza úvěrového ratingu; úvěrový rating obcí; neuronové sítě; support vector machines
eng Municipal credit rating modelling by neural networks The paper presents the modelling possibilities of neural networks on a complex real-world problem, i.e. municipal credit rating modelling. First, current approaches in credit rating modelling are introduced. Second, previous studies on municipal credit rating modelling are analyzed. Based on this analysis, the model is designed to classify US municipalities (located in the State of Connecticut) into rating classes. The model includes data pre-processing, the selection process of input variables, and the design of various neural networks' structures for classification. The selection of input variables is realized using genetic algorithms. The input variables are extracted from financial statements and statistical reports in line with previous studies. These variables represent the inputs of neural networks, while the rating classes from Moody's rating agency stand for the outputs. In addition to exact rating classes, data are also labelled by four basic rating classes. As a result, the classification accuracies and the contributions of input variables are studied for the different number of classes. The results show that the rating classes assigned to bond issuers can be classified with a high accuracy rate using a limited subset of input variables. Credit rating analysis; Municipal credit rating; Neural networks; Support vector machines

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives