Об одной модели оценки рисков дефолта банка с использованием нейросетевых методов
Автор: Иванов Д.В.
Журнал: Вестник Пермского университета. Серия: Экономика @economics-psu
Рубрика: Экономико-математическое моделирование
Статья в выпуске: 1 (16), 2013 года.
Бесплатный доступ
Рассматривается задача оценки рисков банковского дефолта (отзыва лицензии вследствие неудовлетворительного финансового состояния и/или нарушения нормативов ЦБ) на основании сдаваемой им в ЦБ финансовой отчетности. Построение модели проводится с использованием нейросетевых методов. Обсуждаются методы подготовки данных, улучшающие точность моделирования, – кластеризация, очистка от «шумов» и противоречивых данных.
Устойчивость банковской системы, банковское регулирование, дефолт, нейросетевая модель, кластеризация
Короткий адрес: https://sciup.org/147201340
IDR: 147201340
Список литературы Об одной модели оценки рисков дефолта банка с использованием нейросетевых методов
- Бибикова Е.А., Кичаев И.Н. Факторы, влияющие на устойчивость банков в условиях финансового кризиса//Наука и экономика. 2010. №1(1). С. 12-14.
- Бирюков А.Н. Байесовский подход к регуляризации нейросетевых моделей кластеризации экономических объектов (на примере модели поддержки принятия решений по налоговому регулированию).//Вестник УрФУ. 2011. № 6. С. 109-125.
- Карминский А.М., Пересецкий А.А., Петров А.Е. Рейтинги в экономике. М.: Финансы и статистика, 2005. 240 с.
- Калабекова Т.В. Взаимодействие банковской системы и реального сектора экономики в условиях экономического кризиса//Вестник Северо-Осетинского государственного университета им. К.Л. Хетагурова. 2010. №3. С. 90-96.
- Никитина Е.Б. Необходимость и пути повышения статуса региональных банков в российской банковской системе//Вестн. Перм. ун-та. Сер. Экономика. 2012. Вып. 4(15). С. 75-80.
- Пересецкий А.А. Методы оценки вероятности дефолта банков//Экономика и математические методы. 2007. Т. 43, №3. С. 37-62.
- Шимановский К.В. Оценка вероятности дефолта отраслей экономики на основании информации банковской отчетности//Информационные системы и математические методы в экономике: сб. науч. тр./Перм. гос. ун-т. 2009. Вып.2. С.133-142.
- Ясницкий Л.Н. Введение в искусственный интеллект. М.: Изд. центр «Академия», 2005. 176 с.
- Boyacioglu M.A., Kara Y., Baykan OE.K. Predicting bank financial failures using neural networks, support vector machines and multivariate statistical methods: A comparative analysis in the sample of savings deposit insurance fund (SDIF) transferred banks in Turkey//Expert Systems with Application. 2009. №36. P.3355-3366.
- Carlos A. Molina. Predicting bank failures using a hazard model: the Venezuelan banking crisis//Emerging Markets Review. 2002. № 3. P. 31-50.
- Demyanyk Y., Hasan I. Financial crises and bank failures: A review of prediction methods//Omega. 2010. №38. P. 315-324
- Tam KY. Neural network models and the prediction of bank bankruptcy//Omega: The International Journal of Management Science. 1991. №19 (5). P. 429-445.
