論文の概要: A comparative analysis of machine learning algorithms for predicting probabilities of default

• arxiv url: http://arxiv.org/abs/2506.19789v1
• Date: Tue, 24 Jun 2025 16:56:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.733937
• Title: A comparative analysis of machine learning algorithms for predicting probabilities of default
• Title（参考訳）: 既定確率予測のための機械学習アルゴリズムの比較解析
• Authors: Adrian Iulian Cristescu, Matteo Giordano,
• Abstract要約: 将来的な融資のデフォルト(PD)の確率を予測することは、金融機関にとって重要な目標である。 近年,機械学習(ML)アルゴリズムは様々な予測タスクにおいて顕著な成功を収めている。 本稿では,5つの予測モデルの性能を比較することで,MLアルゴリズムがこの分野にもたらす機会を強調する。
• 参考スコア（独自算出の注目度）: 1.534667887016089
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predicting the probability of default (PD) of prospective loans is a critical objective for financial institutions. In recent years, machine learning (ML) algorithms have achieved remarkable success across a wide variety of prediction tasks; yet, they remain relatively underutilised in credit risk analysis. This paper highlights the opportunities that ML algorithms offer to this field by comparing the performance of five predictive models-Random Forests, Decision Trees, XGBoost, Gradient Boosting and AdaBoost-to the predominantly used logistic regression, over a benchmark dataset from Scheule et al. (Credit Risk Analytics: The R Companion). Our findings underscore the strengths and weaknesses of each method, providing valuable insights into the most effective ML algorithms for PD prediction in the context of loan portfolios.
• Abstract（参考訳）: 将来的な融資のデフォルト(PD)の確率を予測することは、金融機関にとって重要な目標である。 近年,機械学習(ML)アルゴリズムは様々な予測タスクにおいて顕著な成功を収めている。 本稿では、Scheule et al(Credit Risk Analytics: The R Companion)のベンチマークデータセットよりも、Random Forests、Decision Trees、XGBoost、Gradient Boosting、AdaBoostの5つの予測モデルのパフォーマンスを比較することで、MLアルゴリズムがこの分野にもたらす機会を強調した。 本研究は,各手法の長所と短所を明らかにし,貸付ポートフォリオの文脈におけるPD予測に最も有効なMLアルゴリズムに関する貴重な知見を提供する。

関連論文リスト

• Beyond Probabilities: Unveiling the Misalignment in Evaluating Large Language Models [24.445829787297658]
  大規模言語モデル(LLM)は、様々なアプリケーションにまたがる顕著な機能を示している。 本研究の目的は,複数選択質問(MCQ)におけるLCMを用いた確率に基づく評価手法の有効性を検討することである。 実験により,有意な確率ベース評価法が生成に基づく予測と不適切に一致していることが判明した。
  論文  参考訳（メタデータ） (2024-02-21T15:58:37Z)
• Weak Supervision Performance Evaluation via Partial Identification [46.73061437177238]
  Programmatic Weak Supervision (PWS) は、地上の真理ラベルに直接アクセスすることなく、教師付きモデルトレーニングを可能にする。 本稿では,モデル評価を部分的同定問題としてフレーミングすることで,この問題に対処する新しい手法を提案する。 提案手法は,従来の弱監督評価手法において,ラベル付きデータを必要とせず,重要な指標に信頼性のあるバウンダリを導出する。
  論文  参考訳（メタデータ） (2023-12-07T07:15:11Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
  ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。 我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)
• Algorithmic Foundations of Empirical X-risk Minimization [51.58884973792057]
  この原稿は、機械学習とAIの新しい最適化フレームワーク、bf empirical X-risk baseline (EXM)を紹介している。 Xリスク(X-risk)は、構成測度または目的の族を表すために導入された用語である。
  論文  参考訳（メタデータ） (2022-06-01T12:22:56Z)
• An Explainable Regression Framework for Predicting Remaining Useful Life of Machines [6.374451442486538]
  本稿では,機械の残留実用寿命(RUL)予測のための説明可能な回帰フレームワークを提案する。 また、古典的およびニューラルネットワーク(NN)に基づくタスクのためのソリューションを含む機械学習(ML)アルゴリズムを評価した。
  論文  参考訳（メタデータ） (2022-04-28T15:44:12Z)
• Probabilistic Gradient Boosting Machines for Large-Scale Probabilistic Regression [51.770998056563094]
  PGBM(Probabilistic Gradient Boosting Machines)は、確率的予測を生成する手法である。 既存の最先端手法と比較してPGBMの利点を実証的に示す。
  論文  参考訳（メタデータ） (2021-06-03T08:32:13Z)
• Machine Learning approach for Credit Scoring [0.0]
  我々は、最先端の信用格付けとデフォルト予測システムを構築することを目的とした、機械学習モデルのスタックを構築します。 私たちのアプローチは、最新のML/AI概念を駆使したものです。
  論文  参考訳（メタデータ） (2020-07-20T21:29:06Z)
• A Dynamical Systems Approach for Convergence of the Bayesian EM Algorithm [59.99439951055238]
  我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。 本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。 高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
  論文  参考訳（メタデータ） (2020-06-23T01:34:18Z)

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。