Publikace detail

Municipal credit rating modelling by neural networks

Autoři: Hájek Petr

Rok: 2011

Druh publikace: článek v odborném periodiku

Název zdroje: Decision Support Systems

Název nakladatele: Elsevier Science BV

Místo vydání: Amsterdam

Strana od-do: 108-118

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
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

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Ústavy

Pracoviště

Jak nás najdete?

Služby

Často hledáte