| Title: | NAPREDNI MODELI NEPLAČILA NA PRIMERU PREBIVALSTVA |
|---|
| Authors: | ID Colja, Anja (Author)
ID Jagrič, Timotej (Mentor) More about this mentor...  |
|---|
| Files: |  UNI_Colja_Anja_2009.pdf (2,60 MB)
MD5: A5FABE52E3441EB1FDE363A19718EA26
PID: 20.500.12556/dkum/e50106e1-6f4f-4617-929f-35ac0200acf2
|
|---|
| Language: | Slovenian |
|---|
| Work type: | Undergraduate thesis |
|---|
| Organization: | EPF - Faculty of Business and Economics
|
|---|
| Abstract: | Zavedamo se, da je za banko dodeljevanje kreditov fizičnim in pravnim osebam zelo
pomemben in odgovoren proces. Zato želimo v diplomskem delu približati pomen in
uporabo naprednih modelov neplačil na primeru prebivalstva.
Diplomsko delo ločita dve področji. V prvem so predstavljena teoretična spoznan-
ja strojnega učenja, klasifikacije, kreditnega točkovanja, metod strojnega učenja ter
njihove ocene in mere. Drugo, analitično področje seznanja z raziskovalnim pro-
gramom Orange in predstavitvijo ter obdelavo uporabljenih podatkov odobrenih in
zavrnjenih kreditojemalcev.
Izhodišče za analizo so podatki pridobljeni, iz nemškega inštituta za statistiko in
ekonometrijo, zbrani leta 1994. Teoretična in empirična spoznanja metod strojne-
ga učenja so pripomogla k nadaljnjim raziskavam in ugotovitvam. Poskušali smo
napovedati kateri kreditojemalci bodo kredit vrnili.
Iz pridobljenih rezultatov sklepamo, da bi za kakovosten in točen izid potrebo-
vali sistematičen pristop (večjo količino aktualnih podatkov kreditojemalcev), saj
z razpoložljivimi podatki klasifikacija novih kreditojemalcev ne bi bila uspešna. S
pomočjo rezultatov metod in meril za strojno učenje smo izbrali najinformativnejše
atribute. Dokazali smo, da dosežemo skoraj isto klasifikacijsko točnost z izbranimi
osmimi atributi kot z vsemi dvajsetimi. Z združitvijo lastnih in izbranih karakteristik
nam je uspelo zagotoviti smernice, ki bi slovenskim bankam omogočale izboljšanje
sistema za odobritev kreditov. Zaključimo, da bi bilo koristno če bi banke uporabl-
jale poenotena merila za dodeljevanje posojil. Zagotovile bi enakopraven, pregleden
in učinkovit pristop k reševanju kreditne problematike. |
|---|
| Keywords: | krediti, strojno učenje, klasifikacija, odločitveno drevo, metoda podpornih vektorjev, kreditno točkovanje. |
|---|
| Place of publishing: | Maribor |
|---|
| Publisher: | [A. Colja] |
|---|
| Year of publishing: | 2009 |
|---|
| PID: | 20.500.12556/DKUM-11912 |
|---|
| UDC: | 336.77 |
|---|
| COBISS.SI-ID: | 10118684 |
|---|
| NUK URN: | URN:SI:UM:DK:9F9RKCQV |
|---|
| Publication date in DKUM: | 11.02.2010 |
|---|
| Views: | 2876 |
|---|
| Downloads: | 340 |
|---|
| Metadata: |    |
|---|
| Categories: | EPF
|
|---|
|
:
|
Copy citation |
|---|
| | | | Average score: | (0 votes) |
|---|
| Your score: | Voting is allowed only for logged in users. |
|---|
| Share: |  |
|---|
Hover the mouse pointer over a document title to show the abstract or click
on the title to get all document metadata. |
