文献

J-GLOBAL ID：201902244543120275   整理番号：19A1788335

ランダムフォレストを用いたピアツーピア貸借における損失与えられたデフォルトのモデリング【JST・京大機械翻訳】

Modelling Loss Given Default in Peer-to-Peer Lending Using Random Forests

著者 (2件)： Papouskova Monika (Faculty of Economics and Administration, Institute of System Engineering and Informatics, University of Pardubice, Pardubice, Czech Republic) ,  Hajek Petr (Faculty of Economics and Administration, Institute of System Engineering and Informatics, University of Pardubice, Pardubice, Czech Republic)
資料名： Smart Innovation, Systems and Technologies  (Smart Innovation, Systems and Technologies)
巻： 142  ページ： 133-141  発行年： 2020年 
JST資料番号： W5072A  ISSN： 2190-3018  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ピアツーピア(P2P)レンズにおける信用リスクのモデリングは,P2Pプラットフォームのユーザベースの急速な成長によりますます重要になっている。P2Pローンに関する意思決定をサポートするために,多様な機械学習方法を,P2P信用リスクモデルにおいて用いた。しかし,そのようなモデルはローンの財政的影響を考慮することなく,ローンデフォルト予測に限られている。デフォルト(LGD)を与えられた損失は,この問題に対処するために消費者信用リスクをモデル化するのに使用される。P2PにおけるLGDをモデル化するための以前のアプローチは,P2Pローンの信用リスクの決定因子を同定するために,多変量線形回帰法を使用する傾向があった。ここでは,これらの方法が,P2Pレンズデータに存在する複雑な特徴を処理するのに十分ではないことを示した。著者らは,P2PレンズにおけるLGDモデリングに対する新しい意思決定支援システムを提案した。過剰適合の問題を減らすために,システムは2つの段階でランダムフォレスト(RF)学習を使用する。最初に,LGD=1を有する極端に危険なローンを分類RFを用いて同定した。第二に,残りのP2PローンのLGDを回帰RFを用いて予測した。したがって,LGD値の非正規分布を効果的にモデル化できる。提案したシステムは,LGDモデリングにおいて現在使用されている他の方法として,P2P Lending Clubプラットフォームのベンチマークに対して有効であることを実証した。Copyright 2020 Springer Nature Singapore Pte Ltd. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 機械学習 ,  意思決定支援システム ,  消費者 ,  *モデリング ,  レンズ ,  意思決定 ,  ベンチマーク ,  高速度 ,  予測 ,  学習
準シソーラス用語： 非正規分布 ,  決定因子 ,  信用リスク ,  *ピアツーピア ,  *ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (4件)： 失われたデフォルト ,  クレジットリスク ,  ピアツーピア貸借 ,  ランダムフォレスト

分類 (2件)： 計算機網  (JC03000K) ,  利益管理  (KA05030A)

タイトルに関連する用語 (4件)： ランダムフォレスト ,  ピアツーピア ,  損失 ,  モデリング