Aditya Wanjale / Kirti Wanjale
Librería Desdémona
Librería Samer Atenea
Librería Aciertas (Toledo)
Kálamo Books
Librería Perelló (Valencia)
Librería Elías (Asturias)
Donde los libros
Librería Kolima (Madrid)
Librería Proteo (Málaga)
Przewidywanie ryzyka kredytowego ma kluczowe znaczenie dla instytucji finansowych w celu zminimalizowania ryzyka kredytowego. W niniejszym badaniu zbadano skuteczność danychtransakcyjnych w przewidywaniu ryzyka kredytowego, porównując wydajność dwóch popularnych algorytmów: regresji logistycznej i sieci neuronowych typu feed-forward. Badanie ma na celu ocenę zdolności predykcyjnych, możliwości interpretacji i praktycznego zastosowania tych modeli w identyfikowaniu potencjalnych niespłaconych kredytów w oparciu o wzorce transakcyjne. Dane transakcyjne, pozyskane z Kaggle, zostały poddane rygorystycznemu przetwarzaniu wstępnemu i inżynierii cech dostosowanej do unikalnych cech zapisów transakcji finansowych. Oba modele zostały intensywnie wytrenowane i ocenione przy użyciu ustalonych wskaźników, obejmujących dokładność, precyzję, wycofanie, wynik F1, aby kompleksowo ocenić ich skuteczność w przewidywaniu niespłacenia kredytu. Wyniki wskazują na różne mocne strony modeli: regresja logistyczna wykazuje godną pochwały interpretowalność przy jednoczesnym osiągnięciu konkurencyjnych wskaźników wydajności, podczas gdy sieć neuronowa feed-forward wykazuje wyższą dokładność predykcyjną, aczkolwiek przy zwiększonej złożoności i zmniejszonej interpretowalności.