文献

J-GLOBAL ID：201902286128550177   整理番号：19A2277880

倒産予測のためのデータ解析アプローチ【JST・京大機械翻訳】

Data analytic approach for bankruptcy prediction

著者 (4件)： Son H. (Department of Mathematics, Pohang University of Science and Technology, Pohang 790-784, Republic of Korea) ,  Hyun C. (Korea Housing & Urban Guarantee Corporation, Republic of Korea) ,  Phan D. (Department of Mathematics, Pohang University of Science and Technology, Pohang 790-784, Republic of Korea) ,  Hwang H.J. (Department of Mathematics, Pohang University of Science and Technology, Pohang 790-784, Republic of Korea)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 138  ページ： Null  発行年： 2019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： 過去数十年にわたり,bankrup予測問題が集中的に研究されてきた。伝統的な統計モデルから芸術機械学習モデルの状態まで,種々の予測モデルを開発し,様々なデータセットに適用した。しかし,機械学習を用いるモデルは,2つの主な理由に対して,ビジネスの分野では使用されていない。最初に,予測精度は統計モデルをはるかに超えておらず,結果は解釈できない。本研究では,金融データの特性である歪度を解決することに焦点を当てた。この問題を解決することにより,既存のモデルよりもAUCにおいて17%の平均改善を得た。第二の欠点に対処するために,XGBoostモデルにより同定された特徴の重要性を解析した。モデルの解釈はデータのカテゴリー間で異なる。著者らのbankrup予測モデルは明確な説明により高い予測精度を有し,従って産業に直接適用できる。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 金融 ,  モデル ,  予測モデル ,  学習モデル ,  *データ解析 ,  機械学習 ,  *予測 ,  統計模型
準シソーラス用語： 歪度 ,  予測精度 ,  *倒産予測 , 【Automatic Indexing@JST】

著者キーワード (7件)： 倒産予測 ,  データ解析 ,  機械学習 ,  ブースティング ,  前処理 ,  Box-Cox変換 ,  特徴の重要性

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 倒産予測 ,  データ解析