Fugu-MT 論文翻訳(概要): Applicability of Large Corporate Credit Models to Small Business Risk Assessment

論文の概要: Applicability of Large Corporate Credit Models to Small Business Risk Assessment

arxiv url: http://arxiv.org/abs/2201.08276v1
Date: Tue, 14 Dec 2021 23:06:17 GMT
ステータス: 処理完了
システム内更新日: 2023-03-04 13:56:00.007414
Title: Applicability of Large Corporate Credit Models to Small Business Risk Assessment
Title（参考訳）: 大企業信用モデルの中小企業リスク評価への適用性
Authors: Khalid El-Awady
Abstract要約: 米連邦準備制度理事会(FRB)は年商650億ドル(約6兆5500億円)を超える資金需要を予想している。小規模ビジネスの信用リスクを評価することは、融資するかどうか、どの条件でよい判断を下すための鍵となる。我々は、(DLをベースとした)大規模企業信用リスクモデルによる中小企業信用格付けの適用可能性について検討する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: There is a massive underserved market for small business lending in the US with the Federal Reserve estimating over \$650B in unmet annual financing needs. Assessing the credit risk of a small business is key to making good decisions whether to lend and at what terms. Large corporations have a well-established credit assessment ecosystem, but small businesses suffer from limited publicly available data and few (if any) credit analysts who cover them closely. We explore the applicability of (DL-based) large corporate credit risk models to small business credit rating.
Abstract（参考訳）: 米連邦準備制度理事会(frb)は年間平均650億ドル(約6兆6000億円)以上の融資需要を推計している。中小企業の信用リスクを評価することは、貸出するかどうか、どの条件で判断する上で重要だ。大企業はクレジットアセスメントのエコシステムが確立しているが、中小企業は公開データに乏しい上に(もしあれば)信用アナリストがほとんどいない。我々は、(dlベース)大規模企業信用リスクモデルの中小企業信用格付けへの適用可能性を検討する。

関連論文リスト

Safety vs. Performance: How Multi-Objective Learning Reduces Barriers to Market Entry [86.79268605140251]
我々は、大規模言語モデルのための新興市場への参入に必要となる障壁が存在するかどうかを調査する。要求されるデータポイント数は、既存の企業のデータセットサイズよりも大幅に小さくなることを示します。以上の結果から,多目的的考察が参入障壁を根本的に低減することを示す。
論文参考訳（メタデータ） (2024-09-05T17:45:01Z)
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)
On the Societal Impact of Open Foundation Models [93.67389739906561]
ここでは、広く利用可能なモデルウェイトを持つものとして定義されている、オープンファンデーションモデルに重点を置いています。オープンファンデーションモデルの5つの特徴を識別し,その利点とリスクを両立させる。
論文参考訳（メタデータ） (2024-02-27T16:49:53Z)
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)
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)
Explaining Credit Risk Scoring through Feature Contribution Alignment with Expert Risk Analysts [1.7778609937758323]
私たちは企業の信用スコアにフォーカスし、さまざまな機械学習モデルをベンチマークします。目標は、企業が一定の期間内に金融問題を経験しているかどうかを予測するモデルを構築することです。我々は、信用リスクの専門家とモデル機能属性説明との相違を強調した専門家による機能関連スコアを提供することで、光を当てる。
論文参考訳（メタデータ） (2021-03-15T12:59:15Z)
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)
PCAL: A Privacy-preserving Intelligent Credit Risk Modeling Framework Based on Adversarial Learning [111.19576084222345]
本稿では,PCAL(Adversarial Learning)に基づくプライバシ保護型信用リスクモデリングの枠組みを提案する。 PCALは、ターゲット予測タスクのパフォーマンスの重要なユーティリティ情報を維持しながら、元のデータセット内のプライベート情報を隠蔽することを目的としている。結果は,PCALがユーザデータから効果的なプライバシフリー表現を学習し,信用リスク分析のためのプライバシ保存機械学習の基盤となることを示唆している。
論文参考訳（メタデータ） (2020-10-06T07:04:59Z)
Predicting Bank Loan Default with Extreme Gradient Boosting [0.0]
ローンのデフォルト予測には、XGBoostと呼ばれるExtreme Gradient Boostingアルゴリズムを使用します。この予測は、ローン申請と申請者の人口統計の両方のデータセットを考慮に入れた、指導的銀行からのローンデータに基づいている。
論文参考訳（メタデータ） (2020-01-18T18:52:10Z)

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。