Für diesen Artikel ist leider kein Bild verfügbar.

Vorhersage des Kreditrisikos: Logistische Regression vs. Neuronale Netze

Kirti Wanjale, Aditya Wanjale (Autoren)

Buch | Softcover

52 Seiten

2025
Verlag Unser Wissen
978-620-6-80434-5 (ISBN)

Titel nicht im Sortiment

Artikel merken

Die Vorhersage des Kreditrisikos ist für Finanzinstitute von entscheidender Bedeutung, um das Kreditrisiko zu minimieren. Diese Studie untersucht die Effektivität von Transaktionsdaten bei der Kreditrisikovorhersage und vergleicht die Leistung von zwei beliebten Algorithmen: logistische Regression und Feed-Forward-Neuronale Netze. Ziel der Forschung ist es, die Vorhersagefähigkeiten, die Interpretierbarkeit und die praktische Anwendbarkeit dieser Modelle bei der Identifizierung potenzieller Kreditausfälle auf der Grundlage von Transaktionsmustern zu bewerten . Transaktionsdaten, die von Kaggle erworben wurden, wurden einer strengen Vorverarbeitung und einem Feature-Engineering unterzogen, das auf die einzigartigen Merkmale von Finanztransaktionsdatensätzen zugeschnitten ist. Beide Modelle wurden ausgiebig trainiert und anhand etablierter Metriken wie Genauigkeit, Präzision, Wiedererkennung und F1-Score bewertet, um ihre Leistung bei der Vorhersage von Kreditausfällen umfassend zu beurteilen. Die Ergebnisse weisen auf unterschiedliche Stärken der Modelle hin: Die logistische Regression zeigt eine lobenswerte Interpretierbarkeit und erreicht gleichzeitig wettbewerbsfähige Leistungsmetriken, während das neuronale Feed-Forward-Netz eine höhere Vorhersagegenauigkeit aufweist, allerdings mit erhöhter Komplexität und geringerer Interpretierbarkeit.

Dr. Kirti Hemant Wanjale erhielt ihren Doktortitel an der Fakultät für Computertechnik von SSSTUMS, Sehore MP. Sie arbeitet derzeit als Professorin in der Abteilung für Computertechnik am Vishwakarma Institute of Technology in Pune. Sie verfügt über 22 Jahre Erfahrung. Ihre Hauptforschungsinteressen sind drahtlose Sensornetzwerke, Internet der Dinge (IoT).

Erscheinungsdatum	02.05.2025
Sprache	deutsch
Maße	150 x 220 mm
Gewicht	96 g
Themenwelt	Mathematik / Informatik ► Mathematik ► Wahrscheinlichkeit / Kombinatorik
Schlagworte	Feed-Forward Neuronale Netze • Kreditwürdigkeitsprüfung • Maschinelles Lernen für das Finanzwesen • Modellvergleich • vorhersagemodellierung
ISBN-10	620-6-80434-8 / 6206804348
ISBN-13	978-620-6-80434-5 / 9786206804345
Zustand	Neuware