Publikace detail

Predicting corporate investment/non-investment grade by using interval-valued fuzzy rule-based systems-A cross-region analysis

Autoři: Hájek Petr

Rok: 2018

Druh publikace: článek v odborném periodiku

Název zdroje: Applied Soft Computing

Název nakladatele: Elsevier Science BV

Místo vydání: Amsterdam

Strana od-do: 73-85

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Predikce investičních/neinvestičních tříd podniků pomocí intervalově ohodnocených fuzzy pravidlových systémů - analýza napříč regiony	Systémy pro predikci firemního ratingu přitahují značný zájem v oblasti soft comptutingu z důvodu požadavků jak na jejich přesnost, tak na jejich interpretovatelnost. Vysoká neurčitost spojená především s jazykovou neurčitostí a nesouhlasem mezi odborníky je navíc dalším problémem. Abychom překonali tyto problémy, navrhuje tato studie hybridní systém založený na evolučních fuzzy pravidlech, konkrétně IVTURS, v kombinaci s komponentou pro evoluční selekci atributů. Tento model je používán k předvídání investičních/neinvestičních tříd společností ze čtyř regionů, a to rozvíjejících se zemí, EU, USA a dalších rozvinutých zemí. Pro vyhodnocení výkonnosti predikce je použito měřítko výnosu, které kombinuje výnosnost a míru selhání společností. Demonstrujeme, že používání intervalově ohodnocených fuzzy množin vede k vyšší přesnosti, zejména s rostoucí granularitou na úrovni vstupů. Navrhovaný model predikce je pak porovnán s několika nejmodernějšími systémy založenými na evolučních fuzzy pravidlech. Získané výsledky ukazují, že navrhovaný model je obzvláště vhodný pro problémy s vysokou dimenzionalitou, aniž by musel čelit problémům s interpretovatelností pravidel. Toto zjištění naznačuje, že model je vhodnější pro investory orientované na rozvinuté trhy, jako je EU a Spojené státy.
eng	Predicting corporate investment/non-investment grade by using interval-valued fuzzy rule-based systems-A cross-region analysis	Systems for predicting corporate rating have attracted considerable interest in soft computing research due to the requirements for both accuracy and interpretability. In addition, the high uncertainty associated primarily with linguistic uncertainties and disagreement among experts is another challenging problem. To overcome these problems, this study proposes a hybrid evolutionary interval-valued fuzzy rule-based system, namely IVTURS, combined with evolutionary feature selection component. This model is used to predict the investment/non-investment grades of companies from four regions, namely Emerging countries, the EU, the United States, and other developed countries. To evaluate prediction performance, a yield measure is used that combines the return and default rates of companies. Here, we show that using interval-valued fuzzy sets leads to higher accuracy, particularly with the growing granularity at the fuzzy partition level. The proposed prediction model is then compared with several state-of-the-art evolutionary fuzzy rule-based systems. The obtained results show that the proposed model is especially suitable for high-dimensional problems, without facing rule base interpretability issues. This finding indicates that the model is preferable for investors oriented toward developed markets such as the EU and the United States.	Interval-valued fuzzy rule-based systems; Evolutionary algorithms; Financial distress; Credit rating

Search

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Ústavy

Pracoviště

Jak nás najdete?

Služby

Často hledáte