Predicting Financial Distress of Banks Using Random Subspace Ensembles of Support Vector Machines

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>

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.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

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)

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

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