Statistical and Machine Learning for Credit Risk Parameter Modeling
Language: English
Published by Cuvillier, 2023
- Softcover
- New

Condition: New
US$ 60.93
Quantity: 2 available
Add to basketItem description from seller
Die Dissertation befasst sich mit der Anwendung von statistischem und maschinellem Lernen zur Modellierung der Verlustquote bei Ausfall (LGD). Im Forschungsgebiet der LGD-Modellierung gibt es eine Reihe von Fragen und Problemen, die bisher in der Literatur nicht ber?cksichtigt wurden. Erstens ist unklar, welche Merkmale einer LGD-Verteilung f?r die Prognosef?higkeit von Sch?tzmethoden entscheidend sind und welche Sch?tzmethode f?r die LGD-Modellierung am besten geeignet ist. Zweitens besteht ein Zielkonflikt zwischen der Transparenz und der Prognosegenauigkeit bei LGD-Sch?tzmethoden. Komplexe maschinelle Lernalgorithmen weisen eine bessere Vorhersageleistung auf, allerdings auf Kosten einer geringeren Erkl?rbarkeit. Umgekehrt bietet die lineare Regression eine hohe Interpretierbarkeit, scheint aber eine geringere Prognosegenauigkeit aufzuweisen. Um diesen Zielkonflikt zu l?sen, besteht ein geeigneter Ansatz darin, die Vorhersagegenauigkeit der interpretierbaren linearen Regression durch maschinelles Lernen zu verbessern. Drittens stellt die Selektion optimaler Clustervariablen in der gruppierten Modellierung eine zu l?sende Herausforderung dar. Die offenen Forschungsfragen werden in der Dissertation anhand von Kreditausfalldaten der Global Credit Data empirisch beantwortet. Sprache: Englisch Gewicht in Gramm: 236.…
Seller Inventory # IB-8037742
- Title
- Statistical and Machine Learning for Credit Risk Parameter Modeling
- Author
- Marvin Z?llner
- Publisher
- Cuvillier
- Publication year
- 2023
- Condition
- Neu
- Binding
- Softcover/Taschenbuch
- Language
- English
- ISBN 10
- 3736978790
- ISBN 13
- 9783736978799
- Item weight
- 236 grams
"Synopsis" may belong to another edition of this title.
Shipping rates from Germany to U.S.A.
| Item | 10 to 12 business days | 8 to 10 business days |
|---|---|---|
| First item | US$ 54.73 | US$ 82.26 |
Payment methods
- Check