文献

J-GLOBAL ID：201802263292794102   整理番号：18A0267611

機械学習モデルと倒産予測【Powered by NICT】

Machine learning models and bankruptcy prediction

著者 (3件)： Barboza Flavio (Federal University of Uberlandia, Uberlandia, Minas Gerais 38408-100, Brazil) ,  Kimura Herbert (Department of Management, Campus Darcy Ribeiro, University of Brasilia, Brasilia, Federal District, 70910-900, Brazil) ,  Altman Edward (Leonard N. Stern School of Business, New York University, New York-NY, 10012-1126, USA)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 83  ページ： 405-417  発行年： 2017年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 倒産とデフォルト事象を予測するためのモデルに関する研究者と実践者から集中的な研究がなされてきた,信用リスク管理。精学術研究は,伝統的な統計技術(例えば判別分析とロジスティック回帰分析)および早期人工知能モデル(例えば人工ニューラルネットワーク)を用いた倒産を評価した。本研究では,事象の前に1年間の倒産を予測する機械学習モデル(サポートベクトルマシン,バギング,ブースティング,ランダムフォレスト)を試験し,判別分析,ロジスティック回帰,ニューラルネットワークからの結果とそれらの性能を比較した。北アメリカ企業の1985年から2013年までのデータを用いて,SalomonHセンターデータベースおよびCompustatからの情報を統合し,10,000以上の企業年間の観測を解析した。AltmanのZ-スコア変数に加えて,著者らは六つの相補的な財務指標を含む,特に研究の重要な洞察は,機械学習技術を用いた予測精度を本質的に向上させる。紙器・Hofer(2006)に基づいて,予測変数として,動作マージン,復帰に関する公平性の変化,価格に書籍の変化,資産に関連した成長,販売,従業員の数のような,新しい変数を用いた。機械学習モデルは,平均して,従来のモデルとの関係で約10%以上の精度を示した。最良のモデルを比較すると,全ての予測変数を持つ,ランダムフォレストに関連した機械学習法は87%の精度をもたらしたが,ロジスティック回帰及び線形判別分析は,試験試料中の,それぞれ,69%及び50%の精度をもたらした。バギング,ブースティング,ランダムフォレストモデルは他の方法よりも優れていることを,付加的変数を含めた場合試験試料中の全ての予測精度が向上することを見出した。著者らの研究は,Tsai,Hsu,and円(2014)とYeh,Chi,Lin(2014)のような統計的技術に対する計算法の優位性について続けられる論争の議論がなされる。特に,機械学習機構のために,他のモデルよりも高い精度率につながるSVMを見出さなかった。この結果はDanenasとGarsva(2015)およびCleofas Sanchez,Garcia,マルケス,Senchez(2016)からの結果と矛盾するが,例えば,Wang,Ma,Yang(2014),Liang,Lu,Tsai,とShih(2016),及びCanoら(2017)を確認した。著者らの研究は,HeoとYang(2014),Kim,Kang,およびKim(2015)およびXiao,Xiao,Wang(2016)開業医によるエキスパートシステムの適用性を支持した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 北アメリカ ,  サポートベクトルマシン ,  公平性 ,  適応性 ,  *機械学習 ,  ニューラルネットワーク ,  判別分析 ,  エキスパートシステム ,  *予測
準シソーラス用語： 線形判別分析 ,  予測精度 ,  機械学習技術 ,  ランダムフォレスト ,  ブースティング ,  ロジスティック回帰分析 , 【Automatic Indexing@JST】

著者キーワード (6件)： 破産予測 ,  機械学習 ,  サポートベクトルマシン ,  ブースティング ,  バギング ,  ランダム森林

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 機械学習 ,  モデル ,  倒産予測