Application of Classification Trees for Credit Rating Prediction
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27510%2F18%3A10239529" target="_blank" >RIV/61989100:27510/18:10239529 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.ekf.vsb.cz/export/sites/ekf/rmfr/en/Conference_proceedings/Proceedings/Part_I_finalni.pdf" target="_blank" >https://www.ekf.vsb.cz/export/sites/ekf/rmfr/en/Conference_proceedings/Proceedings/Part_I_finalni.pdf</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Application of Classification Trees for Credit Rating Prediction
Popis výsledku v původním jazyce
This paper is focused on credit rating modelling using the technique of recursive partitioning (CART). In this study, we apply the methods of decision tree learning to create models for credit rating prediction. The models can be used to assess and monitor credit quality of companies and determine the contribution of financial predictors, especially when a certified rating is not available. In this study we present one nominal and four ordinal models based upon different splitting and pruning rules. The focus is paid to the performance comparison of various algorithms for this ordinal classification problem in terms of Somers' delta and ROC curves. Main findings of our study suggest that for our data both approaches perform well and provide comparable results in terms of classification ability.
Název v anglickém jazyce
Application of Classification Trees for Credit Rating Prediction
Popis výsledku anglicky
This paper is focused on credit rating modelling using the technique of recursive partitioning (CART). In this study, we apply the methods of decision tree learning to create models for credit rating prediction. The models can be used to assess and monitor credit quality of companies and determine the contribution of financial predictors, especially when a certified rating is not available. In this study we present one nominal and four ordinal models based upon different splitting and pruning rules. The focus is paid to the performance comparison of various algorithms for this ordinal classification problem in terms of Somers' delta and ROC curves. Main findings of our study suggest that for our data both approaches perform well and provide comparable results in terms of classification ability.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10103 - Statistics and probability
Návaznosti výsledku
Projekt
<a href="/cs/project/EE2.3.20.0296" target="_blank" >EE2.3.20.0296: Výzkumný tým pro modelování ekonomických a finančních procesů na VŠB-TU Ostrava</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2018
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
Managing and Modelling of Financial Risks : 9th international scientific conference : 5th-6th September 2018, Ostrava, Czech Republic : proceedings
ISBN
978-80-248-4225-7
ISSN
2464-6970
e-ISSN
2464-6989
Počet stran výsledku
8
Strana od-do
121-128
Název nakladatele
VŠB - Technical University of Ostrava
Místo vydání
Ostrava
Místo konání akce
Ostrava
Datum konání akce
5. 9. 2018
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—