Muutke küpsiste eelistusi

E-raamat: Application of AI in Credit Scoring Modeling

  • Formaat: PDF+DRM
  • Sari: BestMasters
  • Ilmumisaeg: 07-Dec-2022
  • Kirjastus: Springer Gabler
  • Keel: eng
  • ISBN-13: 9783658401801
Teised raamatud teemal:
  • Formaat - PDF+DRM
  • Hind: 92,01 €*
  • * hind on lõplik, st. muud allahindlused enam ei rakendu
  • Lisa ostukorvi
  • Lisa soovinimekirja
  • See e-raamat on mõeldud ainult isiklikuks kasutamiseks. E-raamatuid ei saa tagastada.
Application of AI in Credit Scoring ModelingSuurem pilt
  • Formaat: PDF+DRM
  • Sari: BestMasters
  • Ilmumisaeg: 07-Dec-2022
  • Kirjastus: Springer Gabler
  • Keel: eng
  • ISBN-13: 9783658401801
Teised raamatud teemal:

DRM piirangud

  • Kopeerimine (copy/paste):

    ei ole lubatud

  • Printimine:

    ei ole lubatud

  • Kasutamine:

    Digitaalõiguste kaitse (DRM)
    Kirjastus on väljastanud selle e-raamatu krüpteeritud kujul, mis tähendab, et selle lugemiseks peate installeerima spetsiaalse tarkvara. Samuti peate looma endale  Adobe ID Rohkem infot siin. E-raamatut saab lugeda 1 kasutaja ning alla laadida kuni 6'de seadmesse (kõik autoriseeritud sama Adobe ID-ga).

    Vajalik tarkvara
    Mobiilsetes seadmetes (telefon või tahvelarvuti) lugemiseks peate installeerima selle tasuta rakenduse: PocketBook Reader (iOS / Android)

    PC või Mac seadmes lugemiseks peate installima Adobe Digital Editionsi (Seeon tasuta rakendus spetsiaalselt e-raamatute lugemiseks. Seda ei tohi segamini ajada Adober Reader'iga, mis tõenäoliselt on juba teie arvutisse installeeritud )

    Seda e-raamatut ei saa lugeda Amazon Kindle's. 

The scope of this study is to investigate the capability of AI methods to accurately detect and predict credit risks based on retail borrowers' features. The comparison of logistic regression, decision tree, and random forest showed that machine learning methods are able to predict credit defaults of individuals more accurately than the logit model. Furthermore, it was demonstrated how random forest and decision tree models were more sensitive in detecting default borrowers.
Introduction.- Theoretical Concepts of Credit Scoring.- Credit Scoring
Methodologies.- Empirical Analysis.- Conclusion.- References.
MA Bohdan Popovych is a data scientist and a researcher in quantitative finance. The main scientific focus of the author is application of advanced analytics and artificial intelligence in finance and economics.
Lisainfo e-raamatute kohta Lisainfo e-raamatute kohta
Püsilink: https://www.kriso.ee/db/97836584018012e.html
Märksõnad: