Publikace detail

Credit rating prediction using a fuzzy MCDM approach with criteria interactions and TOPSIS sorting

Autoři: Hájek Petr | Sahut Jean-Michel | Olej Vladimír

Rok: 2025

Druh publikace: článek v odborném periodiku

Název zdroje: Annals of Operations Research

Název nakladatele: Springer

Místo vydání: Dordrecht

Strana od-do: 251-279

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Predikce úvěrového ratingu pomocí fuzzy MCDM přístupu s interakcemi kritérií a tříděním TOPSIS	Vícekriteriální rozhodování (Multi-Criteria Decision Making, MCDM) poskytuje efektivní metody pro řešení problematiky třídění úvěrových ratingů. Tento článek představuje nový, datově řízený přístup MCDM k predikci úvěrových ratingů. Navrhovaná metodologie kombinuje fuzzy model TOPSIS-Sort-C s fuzzy přístupem best–worst, přičemž je podpořena fuzzy kognitivní mapou, která umožňuje efektivně zohlednit vzájemné interakce mezi kritérii. Tento přístup poskytuje hodnocení úvěrového rizika podniků s ohledem na nejistoty v oblasti posuzování úvěrového rizika a relevanci jednotlivých kritérií, a to prostřednictvím využití fuzzy c-means shlukování a výběru znaků založeného na korelaci. Empirická analýza 1 138 amerických společností potvrzuje spolehlivost navrhovaného modelu při práci se širokou škálou finančních i nefinančních ukazatelů. Výsledky dále ukazují potenciál navržené metodologie při hodnocení úvěrových ratingů, přičemž dosahuje dobré predikční výkonnosti ve srovnání se stávajícími modely.	Úvěrový rating; Finanční potíže; Rozhodování na základě více kritérií; Fuzzy-TOPSIS-Sort-C; Fuzzy přístup nejlepší-nejhorší; Fuzzy kognitivní mapa
eng	Credit rating prediction using a fuzzy MCDM approach with criteria interactions and TOPSIS sorting	Multi-criteria decision making (MCDM) provides effective methods for dealing with the challenge of sorting credit ratings. This paper presents a novel data-driven MCDM sorting approach to predicting credit ratings. Our methodology combines the fuzzy TOPSIS-Sort-C model with the fuzzy best-worst approach, supported by a fuzzy cognitive map, to effectively deal with criteria interactions. This approach provides a corporate credit risk assessment, taking into account the uncertainties in credit risk assessment and relevance of its criteria by using fuzzy c-means and correlation-based feature selection. Our empirical analysis of 1138 US companies demonstrates the reliability of our model in dealing with a range of financial and non-financial indicators. The results demonstrate the potential of our methodology in credit rating assessment, with a good predictive performance relative to existing models.	Credit rating; Financial distress; Multi-criteria decision making; Fuzzy-TOPSIS-Sort-C; Fuzzy best-worst approach; Fuzzy cognitive map

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Ústavy

Pracoviště

Jak nás najdete?

Služby

Často hledáte