Predicting Financial Distress of Banks Using Random Subspace Ensembles of Support Vector Machines
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25410%2F15%3A39899764" target="_blank" >RIV/00216275:25410/15:39899764 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-319-18476-0_14" target="_blank" >http://dx.doi.org/10.1007/978-3-319-18476-0_14</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-18476-0_14" target="_blank" >10.1007/978-3-319-18476-0_14</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Predicting Financial Distress of Banks Using Random Subspace Ensembles of Support Vector Machines
Popis výsledku v původním jazyce
Models for financial distress predictions of banks are increasingly important tools used as early warning signals for the whole banking systems. In this study, a model based on random subspace method is proposed to predict investment/non-investment rating grades of U.S. banks. We show that support vector machines can be effectively used as base learners in the meta-learning model. We argue that both financial and non-financial (sentiment) information are important categories of determinants in financialdistress prediction. We show that this is true for both banks and other companies.
Název v anglickém jazyce
Predicting Financial Distress of Banks Using Random Subspace Ensembles of Support Vector Machines
Popis výsledku anglicky
Models for financial distress predictions of banks are increasingly important tools used as early warning signals for the whole banking systems. In this study, a model based on random subspace method is proposed to predict investment/non-investment rating grades of U.S. banks. We show that support vector machines can be effectively used as base learners in the meta-learning model. We argue that both financial and non-financial (sentiment) information are important categories of determinants in financialdistress prediction. We show that this is true for both banks and other companies.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GA13-10331S" target="_blank" >GA13-10331S: Úloha textové informace v modelech predikce finanční tísně podniků - přístupy specifické podle států a průmyslových odvětví</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Artificial Intelligence Perspectives and Applications (CSOC2015)
ISBN
978-3-319-18475-3
ISSN
2194-5357
e-ISSN
—
Počet stran výsledku
10
Strana od-do
131-140
Název nakladatele
Springer
Místo vydání
Berlin
Místo konání akce
Zlín
Datum konání akce
27. 4. 2015
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000371407800014