| Naslov: | NAPREDNI MODELI NEPLAČILA NA PRIMERU PREBIVALSTVA |
|---|
| Avtorji: | ID Colja, Anja (Avtor)
ID Jagrič, Timotej (Mentor) Več o mentorju...  |
|---|
| Datoteke: |  UNI_Colja_Anja_2009.pdf (2,60 MB)
MD5: A5FABE52E3441EB1FDE363A19718EA26
PID: 20.500.12556/dkum/e50106e1-6f4f-4617-929f-35ac0200acf2
|
|---|
| Jezik: | Slovenski jezik |
|---|
| Vrsta gradiva: | Diplomsko delo |
|---|
| Organizacija: | EPF - Ekonomsko-poslovna fakulteta
|
|---|
| Opis: | 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. |
|---|
| Ključne besede: | krediti, strojno učenje, klasifikacija, odločitveno drevo, metoda podpornih vektorjev, kreditno točkovanje. |
|---|
| Kraj izida: | Maribor |
|---|
| Založnik: | [A. Colja] |
|---|
| Leto izida: | 2009 |
|---|
| PID: | 20.500.12556/DKUM-11912 |
|---|
| UDK: | 336.77 |
|---|
| COBISS.SI-ID: | 10118684 |
|---|
| NUK URN: | URN:SI:UM:DK:9F9RKCQV |
|---|
| Datum objave v DKUM: | 11.02.2010 |
|---|
| Število ogledov: | 2881 |
|---|
| Število prenosov: | 340 |
|---|
| Metapodatki: |    |
|---|
| Področja: | EPF
|
|---|
|
:
|
Kopiraj citat |
|---|
| | | | Skupna ocena: | (0 glasov) |
|---|
| Vaša ocena: | Ocenjevanje je dovoljeno samo prijavljenim uporabnikom. |
|---|
| Objavi na: |  |
|---|
Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše
podrobnosti ali sproži prenos. |
