BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Ząbkowski Tomasz (Szkoła Główna Gospodarstwa Wiejskiego w Warszawie)
Tytuł
Zastosowanie sztucznych sieci neuronowych do oceny ryzyka kredytowego klienta w telekomunikacji
Application of Artificial Neural Networks for Customer Credit Risk Classification in Telecommunication
Źródło
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia (15), 2008, nr 7 (1207), s. 502-510, rys., tab., bibliogr. 10 poz.
Tytuł własny numeru
Klasyfikacja i analiza danych - teoria i zastosowania
Słowa kluczowe
Sztuczne sieci neuronowe (SSN), Sztuczna inteligencja, Ryzyko kredytowe, Telekomunikacja
Artificial neural networks (ANN), Artificial intelligence, Credit risk, Telecommunication
Uwagi
summ.
Abstrakt
Celem prezentowanych badań jest zastosowanie sztucznych sieci neuronowych do klasyfikacji ryzyka kredytowego związanego z niewypłacalnością klienta w telekomunikacji. Praca obejmuje weryfikację następujących hipotez: (1) sieci neuronowe w powyższym zastosowaniu są narzędziem, które w istotny sposób pozwala na skuteczne ograniczenie ryzyka oraz (2) trafność modeli klasyfikacyjnych w poszczególnych percentylach jest miarą pozwalającą na wykazanie przewagi sieciowych modeli klasyfikacyjnych nad modelami logitowymi we wskazywaniu należności zagrożonych. (fragment tekstu)

The article presents an application of artificial neural networks for customer credit risk classification in telecommunication. Based on characteristics of a customer, models that estimate customers' insolvency are proposed. The results confirm the usefulness and high performance of the method for more effective revenue assurance. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Altman E., Giancarlo M., Varetto F. (1994), Corporate Distress Diagnostic: Comparison Using Linear Analysis and Neural Networks, "Journal of Banking and Finance", 18.
  2. Canalli E. (2001), Experimenting Neural Networks to Forecasts Business Insolvency, "Neural Network World", 11 (4), s. 349-361.
  3. Daskalaki S., Kopanas I., Goudara M., Avouris N. (2003), Data Mining for Decision Support on Customer Insolvency in Telecommunications Business, "European Journal of Operational Research", 145, s. 239-255.
  4. Estevez P., Held C., Perez C. (2006), Subscription Fraud Prevention in Telecommunications Using Fuzzy Rules and Neural Nets, "Expert Systems with Applications", 31, s. 337-344.
  5. Ezawa K.J., Norton S.W. (1996), Constructing Bayesian Networks to Predict Uncollectable Telecommunication Accounts, "Expert Systems with Applications", 11, s. 45-51.
  6. Rutkowski L. (2006), Metody i techniki sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa.
  7. Yang Z.R., Piatt M.B., Piatt H.D. (1999), Probabilistic Neural Networks in Bankruptcy Prediction, "Journal of Business Research", 44, s. 61-1 A.
  8. Witkowska D. (1999), Application of Artificial Neural Networks to Bank Decision Simulations, "International Advances in Economic Research", 5, s. 350-368.
  9. Witkowska D. (2006), Discrete Choice Model Application to the Credit Risk Evaluation, "International Advances in Economic Research", 12, s. 33-42.
  10. Witkowska D., Stanieć I. (2003), Credit Granting procedure: Mulitlayer Perceptron and Classification Tree, [w:] Neural Networks and Soft Computing, red. L. Rutkowski, J. Kacprzyk, New York, Heildelberg, Physica-Verlag, s. 748-753.
Cytowane przez
Pokaż
ISSN
1899-3192
1505-9332
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu