Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

IVIFCM-TOPSIS for bank credit risk assessment

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25410%2F19%3A39914914" target="_blank" >RIV/00216275:25410/19:39914914 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://link.springer.com/chapter/10.1007/978-981-13-8311-3_9" target="_blank" >https://link.springer.com/chapter/10.1007/978-981-13-8311-3_9</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-981-13-8311-3_9" target="_blank" >10.1007/978-981-13-8311-3_9</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    IVIFCM-TOPSIS for bank credit risk assessment

  • Popis výsledku v původním jazyce

    Bank credit risk assessment is performed by credit rating agencies in order to reduce information asymmetry in financial markets. This costly process has been automated in earlier studies by using systems based on machine learning methods. However, such systems suffer from interpretability issues and do not utilize expert knowledge effectively. To overcome those problems, multi-criteria group decision-making (MCGDM) methods have recently been used to simulate the assessment process performed by the committee of multiple credit risk experts. However, standard MCGDM methods fail to consider high uncertainty inherently associated with the assessment and do not work effectively when the assessed credit risk criteria interact with each other. To address these issues, we propose MCGDM model for bank credit risk assessment that has two advantages: (1) The imprecise assessment criteria are represented by interval-valued intuitionistic fuzzy sets, and (2) the interactions among the criteria are modeled using fuzzy cognitive maps. When combined with traditional TOPSIS approach to ranking alternatives, we show that the proposed model can be effectively applied to assess bank credit risk.

  • Název v anglickém jazyce

    IVIFCM-TOPSIS for bank credit risk assessment

  • Popis výsledku anglicky

    Bank credit risk assessment is performed by credit rating agencies in order to reduce information asymmetry in financial markets. This costly process has been automated in earlier studies by using systems based on machine learning methods. However, such systems suffer from interpretability issues and do not utilize expert knowledge effectively. To overcome those problems, multi-criteria group decision-making (MCGDM) methods have recently been used to simulate the assessment process performed by the committee of multiple credit risk experts. However, standard MCGDM methods fail to consider high uncertainty inherently associated with the assessment and do not work effectively when the assessed credit risk criteria interact with each other. To address these issues, we propose MCGDM model for bank credit risk assessment that has two advantages: (1) The imprecise assessment criteria are represented by interval-valued intuitionistic fuzzy sets, and (2) the interactions among the criteria are modeled using fuzzy cognitive maps. When combined with traditional TOPSIS approach to ranking alternatives, we show that the proposed model can be effectively applied to assess bank credit risk.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA16-19590S" target="_blank" >GA16-19590S: Analýza témat a sentimentu vícenásobných textových zdrojů pro finanční rozhodování podniků</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2019

  • 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

    Intelligent Decision Technologies 2019 : Proceedings of the 11th KES International Conference on Intelligent Decision Technologies (KES-IDT 2019), Vol. 1

  • ISBN

    978-981-13-8310-6

  • ISSN

    2190-3018

  • e-ISSN

  • Počet stran výsledku

    10

  • Strana od-do

    99-108

  • Název nakladatele

    Springer Nature

  • Místo vydání

    Heidelberg

  • Místo konání akce

    St. Julians

  • Datum konání akce

    17. 6. 2019

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku