論文の概要: Inspecting the Process of Bank Credit Rating via Visual Analytics

• arxiv url: http://arxiv.org/abs/2108.03011v1
• Date: Fri, 6 Aug 2021 09:08:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-09 20:10:36.288987
• Title: Inspecting the Process of Bank Credit Rating via Visual Analytics
• Title（参考訳）: 視覚的分析による銀行信用格付けプロセスの検査
• Authors: Qiangqiang Liu, Quan Li, Zhihua Zhu, Tangzhi Ye and Xiaojuan Ma
• Abstract要約: 銀行の信用格付けは、公開情報と内部情報に基づいて、銀行を異なるレベルに分類する。 我々は、さまざまな銀行信用格付けスキームを調査・比較する専門家を支援するため、RatingVisを提案する。
• 参考スコア（独自算出の注目度）: 34.55692862750793
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bank credit rating classifies banks into different levels based on publicly disclosed and internal information, serving as an important input in financial risk management. However, domain experts have a vague idea of exploring and comparing different bank credit rating schemes. A loose connection between subjective and quantitative analysis and difficulties in determining appropriate indicator weights obscure understanding of bank credit ratings. Furthermore, existing models fail to consider bank types by just applying a unified indicator weight set to all banks. We propose RatingVis to assist experts in exploring and comparing different bank credit rating schemes. It supports interactively inferring indicator weights for banks by involving domain knowledge and considers bank types in the analysis loop. We conduct a case study with real-world bank data to verify the efficacy of RatingVis. Expert feedback suggests that our approach helps them better understand different rating schemes.
• Abstract（参考訳）: 銀行信用格付けは、公開および内部情報に基づいて銀行を異なるレベルに分類し、金融リスク管理において重要なインプットとなる。 しかし、ドメインの専門家は、異なる銀行信用格付け方式を探求し比較するという曖昧な考えを持っている。 主観的・定量的分析と適切な指標重み決定の難しさの緩やかな関係は、銀行信用格付けの理解を曖昧にしている。 さらに、既存のモデルは、すべての銀行に統一された指標重みを適用すれば、銀行のタイプを考慮できない。 我々は、さまざまな銀行信用格付け手法を調査・比較する専門家を支援するため、RatingVisを提案する。 ドメイン知識を取り入れることで、銀行の指標重み付けをインタラクティブに推論し、分析ループで銀行の種類を検討する。 本研究では,RatingVisの有効性を検証するために,実世界の銀行データを用いてケーススタディを行う。 専門家からのフィードバックは、私たちのアプローチは、異なる評価体系をより理解するのに役立ちます。

関連論文リスト

• Machine and Deep Learning for Credit Scoring: A compliant approach [0.0]
  本稿では,現行の規制体制に挑戦し,新たなBASEL 2と3の準拠技術を導入することを目的としている。 このようなアルゴリズムを使用することで、性能が大幅に向上し、デフォルトのキャプチャレートが向上することを示す。 さらに、Shapley Valuesのパワーを活用して、これらの比較的単純なモデルは、現在の規制システムが考えているようなブラックボックスではないことを証明します。
  論文  参考訳（メタデータ） (2024-12-28T17:46:43Z)
• 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)
• Efficient Commercial Bank Customer Credit Risk Assessment Based on LightGBM and Feature Engineering [5.6081706361236865]
  本論文は、カグルの外国商業銀行の顧客情報データセットに基づくものである。 私たちはLightGBMアルゴリズムを使用して、顧客を分類する分類器を構築し、銀行が顧客の信用デフォルトの可能性を判断する手助けをします。
  論文  参考訳（メタデータ） (2023-08-17T03:32:38Z)
• Flexible categorization for auditing using formal concept analysis and Dempster-Shafer theory [55.878249096379804]
  我々は、異なる金融口座に対する異なる利息の程度に応じて分類する様々な方法を研究する。 本稿で開発したフレームワークは,説明可能な分類の獲得と研究のための公式な基盤を提供する。
  論文  参考訳（メタデータ） (2022-10-31T13:49:16Z)
• 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)
• Should Bank Stress Tests Be Fair? [1.370633147306388]
  銀行間でデータをプールすることは銀行を平等に扱うが、2つの欠陥があると主張する。 我々は、銀行間の差異を単に無視するよりも、中心的な銀行固定効果を推定し、破棄することを好んで論じる。
  論文  参考訳（メタデータ） (2022-07-27T06:46:51Z)
• Towards a multi-stakeholder value-based assessment framework for algorithmic systems [76.79703106646967]
  我々は、価値間の近さと緊張を可視化する価値に基づくアセスメントフレームワークを開発する。 我々は、幅広い利害関係者に評価と検討のプロセスを開放しつつ、それらの運用方法に関するガイドラインを提示する。
  論文  参考訳（メタデータ） (2022-05-09T19:28:32Z)
• Managers versus Machines: Do Algorithms Replicate Human Intuition in Credit Ratings? [0.0]
  銀行経営者の行動を再現できる機械学習アルゴリズムを見つけることができることを示す。 アルゴリズムへの入力は、銀行のマネージャーが利用できる標準的な財務情報とソフト情報の組み合わせから成り立っている。 本研究は、銀行業務における機械学習に基づく分析手法の有効性と、金融セクターにおける高度な業務への潜在的課題を明らかにするものである。
  論文  参考訳（メタデータ） (2022-02-09T01:20:44Z)
• Supporting Financial Inclusion with Graph Machine Learning and Super-App Alternative Data [63.942632088208505]
  スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。 本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
  論文  参考訳（メタデータ） (2021-02-19T15:13:06Z)
• Super-App Behavioral Patterns in Credit Risk Models: Financial, Statistical and Regulatory Implications [110.54266632357673]
  従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。 2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
  論文  参考訳（メタデータ） (2020-05-09T01:32:03Z)

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。