BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Michalski Piotr (Uniwersytet Ekonomiczny we Wrocławiu)
Tytuł
Zastosowanie wybranych estymatorów modelu regresji logistycznej w credit scoringu
Application of Selected Estimators of Logistic Regression Models in Credit Scoring
Źródło
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Ekonometria (22), 2008, nr 27, s. 36-50, rys., tab., bibliogr. 8 poz.
Tytuł własny numeru
Zastosowania metod ilościowych
Słowa kluczowe
Estymatory, Modele regresji, Regresja liniowa, Skoring kredytowy
Estimators, Regression models, Linear regression, Credit scoring
Uwagi
summ.
Abstrakt
Zadanie oceny zdolności kredytowej rozważa się często w kontekście problemu klasyfikacji pod nadzorem, co oznacza w istocie uznanie tożsamości pojęć metody credit scoringu i metody klasyfikacji pod nadzorem. Umożliwia to zastosowanie w problemach credit scoringu popularnego liniowego modelu regresji logistycznej. W artykule zostanie empirycznie zweryfikowana przydatność w zastosowaniach credit scoringu bardziej zaawansowanych podejść do estymacji modelu logitowego: addytywnego modelu regresji logistycznej oraz boostingu drzew klasyfikacyjnych. (fragment tekstu)

The article examines the application opportunities of different logistic regression models in a credit scoring supervised classification problem. The paper covers linear and generalized additive logistic regression model, as well as a classification trees boosting method - Real AdaBoost. The empirical study of two real credit datasets is given. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Culp M., Johnson K., Michailidis G., Ada: An R Package for Stochastic Boosting, „Journal of Statistical Software”, vol. 17, issue 2, October 2006.
  2. Faraway J.J., Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models, Chapman & Hall/CRC Press, London 2006.
  3. Giudici P., Applied Data Mining: Statistical Methods for Business and Industry, John Wiley & Sons, New York 2003.
  4. Gruszczyński M.. Modele i prognozy zmiennych jakościowych w finansach i bankowości. SGH. Warszawa 2002.
  5. Hastie T., Tibshirani R., Friedman J., Additive Logistic Regression: a Statistical View of Boosting. „The Annals of Statistics” 2000, vol. 28, no. 2, s. 337-407.
  6. Hastie T., Tibshirani R., Friedman J., The Elements of Statistical Learning: Data Mining, Inference and Prediction, Springer, New York 2003.
  7. Mester L.J., What’s the Point of Credit Scoring, „Business Review”, September/October 1997, Federal Reserve Bank of Philadelphia.
  8. Migut G.. Wątroba J., Scoring kredytowy a modele data mining, „Ryzyko w Instytucji finansowej” 2005 nr I.
Cytowane przez
Pokaż
ISSN
1899-3192
1507-3866
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu