論文の概要: Modelling Sovereign Credit Ratings: Evaluating the Accuracy and Driving Factors using Machine Learning Techniques

• arxiv url: http://arxiv.org/abs/2101.12684v1
• Date: Fri, 29 Jan 2021 17:06:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-05 00:26:19.448678
• Title: Modelling Sovereign Credit Ratings: Evaluating the Accuracy and Driving Factors using Machine Learning Techniques
• Title（参考訳）: 厳格な信用格付けのモデル化:機械学習技術を用いた正確性と運転要因の評価
• Authors: Bart H.L. Overes and Michel van der Wel
• Abstract要約: 国家信用格付けは国の信用格付けを要約する。 本論文では, 複数層パーセプトロン(MLP), 分類・回帰木(CART), 主権的信用格付け予測のためのオーダドロジット(OL)モデルの利用について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sovereign credit ratings summarize the creditworthiness of countries. These ratings have a large influence on the economy and the yields at which governments can issue new debt. This paper investigates the use of a Multilayer Perceptron (MLP), Classification and Regression Trees (CART), and an Ordered Logit (OL) model for the prediction of sovereign credit ratings. We show that MLP is best suited for predicting sovereign credit ratings, with an accuracy of 68%, followed by CART (59%) and OL (33%). Investigation of the determining factors shows that roughly the same explanatory variables are important in all models, with regulatory quality, GDP per capita and unemployment rate as common important variables. Consistent with economic theory, a higher regulatory quality and/or GDP per capita are associated with a higher credit rating, while a higher unemployment rate is associated with a lower credit rating.
• Abstract（参考訳）: 国家信用格付けは国の信用格付けを要約する。 これらの評価は、政府が新しい債務を発行できる経済と利回りに大きな影響を及ぼす。 本稿では,多層パーセプトロン(MLP),分類・回帰木(CART),オーダード・ロジット(OL)モデルを用いて,主権信用格付けの予測を行う。 ソブリン信用格付けの予測にはmlpが最も適しており、68%の精度で、カート(59%)とol(33%)が続く。 決定要因の調査は、全てのモデルにおいてほぼ同じ説明変数が重要であり、規制品質、一人当たりGDP、失業率が共通の重要な変数であることを示している。 経済理論とは対照的に、一人当たりの規制品質やGDPは高い信用格付けに関連付けられ、高い失業率は低い信用格付けに関連付けられている。

関連論文リスト

• Credit Scores: Performance and Equity [0.0]
  消費者デフォルトの機械学習モデルに対して広く使用されている信用スコアをベンチマークする。 借主、特に低得点者の相当な誤分類を見出した。 我々のモデルは、若年層、低所得層、少数層の予測精度を向上させる。
  論文  参考訳（メタデータ） (2024-08-30T23:36:02Z)
• Analytical and Empirical Study of Herding Effects in Recommendation Systems [72.6693986712978]
  評価アグリゲーションルールとショートリストされた代表レビューを用いて製品評価を管理する方法について検討する。 本稿では,Amazon と TripAdvisor の収束速度を向上させるために,適切な信頼度評価アグリゲーションルールが有効であることを示す。
  論文  参考訳（メタデータ） (2024-08-20T14:29:23Z)
• Empowering Many, Biasing a Few: Generalist Credit Scoring through Large Language Models [53.620827459684094]
  大規模言語モデル(LLM)は、複数のタスクにまたがる強力な一般化能力を持つ信用スコアリングタスクにおいて大きな可能性を秘めている。 クレジットスコアリングのための LLM を探索する,初のオープンソース包括的フレームワークを提案する。 そこで我々は,各種金融リスク評価タスクの煩雑な要求に合わせて,指導チューニングによる最初の信用・リスク評価大言語モデル(CALM)を提案する。
  論文  参考訳（メタデータ） (2023-10-01T03:50:34Z)
• Generating Benchmarks for Factuality Evaluation of Language Models [61.69950787311278]
  FACTOR: Factual Assessment via Corpus Transformation, a scalable approach for LM factuality。 FACTORは、興味のある事実のコーパスをLMの正当性を評価するベンチマークに自動的に変換し、コーパスから真事実を生成する。 その結果, (i) ベンチマークスコアはモデルサイズに応じて増加し, LMが検索によって拡張されたときに向上する; (ii) ベンチマークスコアとパープレキシティは必ずしもモデルランキングに一致しない; (iii) パープレキシティとベンチマークスコアが一致しない場合, 後者はオープンエンド世代における事実性を反映する。
  論文  参考訳（メタデータ） (2023-07-13T17:14:38Z)
• Would I have gotten that reward? Long-term credit assignment by counterfactual contribution analysis [50.926791529605396]
  モデルベース信用代入アルゴリズムの新たなファミリーであるCOCOA(Counterfactual Contribution Analysis)を紹介する。 我々のアルゴリズムは、その後の報酬を得る際の行動の貢献度を測定することによって、正確な信用割当を実現する。
  論文  参考訳（メタデータ） (2023-06-29T09:27:27Z)
• Machine Learning Models Evaluation and Feature Importance Analysis on NPL Dataset [0.0]
  エチオピアのプライベートバンクが提供するデータセット上で、異なる機械学習モデルがどのように機能するかを評価する。 XGBoostは、KMeans SMOTEオーバーサンプリングデータ上で最高F1スコアを達成する。
  論文  参考訳（メタデータ） (2022-08-28T17:09:44Z)
• Feature-Level Fusion of Super-App and Telecommunication Alternative Data Sources for Credit Card Fraud Detection [106.33204064461802]
  クレジットカード不正を早期に検出するための,スーパーアプリ顧客情報,携帯電話回線データ,従来型の信用リスク変数を融合した機能レベルの有効性について検討する。 クレジットカードのデジタルプラットフォームデータベースから約9万人のユーザを対象に,我々のアプローチを評価した。
  論文  参考訳（メタデータ） (2021-11-05T19:10:35Z)
• How Costly is Noise? Data and Disparities in Consumer Credit [0.0]
  信用スコアは、歴史的に不足しているグループに対するデフォルトリスクの指標であることを示す。 信用スコアの精度を等しくすると、不利なグループの承認率と信用ミスロケーションの格差が約半減する可能性があります。
  論文  参考訳（メタデータ） (2021-05-17T00:42:26Z)
• Explanations of Machine Learning predictions: a mandatory step for its application to Operational Processes [61.20223338508952]
  信用リスクモデリングは重要な役割を果たす。 近年,機械学習や深層学習の手法が採用されている。 この分野における説明可能性問題に LIME 手法を適用することを提案する。
  論文  参考訳（メタデータ） (2020-12-30T10:27:59Z)
• Explainable AI for Interpretable Credit Scoring [0.8379286663107844]
  クレジットスコアリングは、金融の専門家がローン申請を受諾するかどうかについてより良い判断を下すのに役立つ。 アルゴリズムによる決定が一貫性のあるものであることを保証するため、規則はモデル解釈可能性の必要性を追加している。 正確かつ解釈可能な信用スコアモデルを提案する。
  論文  参考訳（メタデータ） (2020-12-03T18:44:03Z)
• Determining Secondary Attributes for Credit Evaluation in P2P Lending [0.0]
  機械学習の分類とクラスタリングアルゴリズムを用いて、借り手の信用度を正確に予測する。 キーセカンダリ属性を特定しながら,LendingClubデータ上で65%のF1と73%のAUCを達成した。
  論文  参考訳（メタデータ） (2020-06-08T16:12:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。