文献

J-GLOBAL ID：202002281751960225   整理番号：20A2042415

機械学習アルゴリズムを用いた銀行運用効率の予測:決定木,ランダムフォレストおよびニューラルネットワークの比較研究【JST・京大機械翻訳】

Predicting Bank Operational Efficiency Using Machine Learning Algorithm: Comparative Study of Decision Tree, Random Forest, and Neural Networks

著者 (3件)： Appiahene Peter (Kwame Nkrumah University of Science and Technology, Kumasi, Ghana) ,  Missah Yaw Marfo (Kwame Nkrumah University of Science and Technology, Kumasi, Ghana) ,  Najim Ussiph (Kwame Nkrumah University of Science and Technology, Kumasi, Ghana)
資料名： Advances in Fuzzy Systems (Web)  (Advances in Fuzzy Systems (Web))
巻： 2020  ページ： Null  発行年： 2020年 
JST資料番号： U7656A  ISSN： 1687-7101  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 2015年から2018年までのガーナをヒットする金融危機は,銀行産業における銀行の効率および堆積者の安全に関して,様々な課題を提起した。銀行部門を改良するための対策の一部として,また,銀行産業における顧客の信頼,効率および性能分析も,ホットな課題になった。これは,ステークホルダが銀行産業内の非効率の根底にある原因を検出しなければならないためである。データ包絡分析(DEA)のようなノンパラメトリック法は,銀行の効率と性能の良い尺度として文献で提案されている。また,機械学習アルゴリズムは,様々なノンパラメトリックおよび非線形問題を推定するための良いツールとして見なされてきた。本論文では,444ガーナ銀行枝,意思決定ユニット(DMU)を用いて,銀行効率および性能を評価する3つの機械学習アプローチとDEAを組み合わせた。結果をDEAから得た対応する効率評価と比較した。最後に,3つの機械学習アルゴリズムモデルの予測精度を比較した。結果は,ディシジョンツリー(DT)とそのC5.0アルゴリズムが最良の予測モデルを提供することを示唆した。それは,134のホールアウトサンプルデータセット(30%のバンク)と0.00のP値の予測において,100%の精度を持った。DTはランダムフォレストアルゴリズムによって,98.5%の予測精度と0.00のP値,および最終的にP値0.66のニューラルネットワーク(86.6%精度)によって密接に追跡された。本研究は,ガーナの銀行が,それらのそれぞれの効率を予測するために,この研究の結果を使用することができると結論を下した。すべての実験をシミュレーション環境内で実施し,Rコードを用いてRスタジオで実施した。Copyright 2020 Peter Appiahene et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  シミュレーション ,  意思決定 ,  *銀行 ,  *ニューラルネットワーク ,  ノンパラメトリック法 ,  *ディシジョンツリー ,  性能分析 ,  非線形問題 ,  *機械学習 ,  *学習アルゴリズム ,  予測モデル
準シソーラス用語： 予測精度 ,  データ包絡分析 ,  *ランダムフォレスト , 【Automatic Indexing@JST】

分類 (2件)： 経営工学一般  (KA01010C) ,  数理計画法  (KA03030M)

引用文献 (63件)：

• Y. E. Addison, "Banking crisis: BoG’s roadmap for clearing UT, capital bank mess," 2018, https://citinewsroom.com/2018/08/14/banking-crisis-bogs-roadmap-for-clearing-utcapital-bank-mess/.
• Y. E. Addison, "BoG collapses 5 banks into consolidated bank Ghana Ltd.," 2018, https://www.ghanaweb.com/GhanaHomePage/NewsArchive/BoG-collapses-5-banks-into-Consolidated-Bank-Ghana-Ltd-673691.
• Y. E. Addison, "19 banks meet new capital requirement," 2018, https://www.graphic.com.gh/business/business-news/19-banks-meetnew-capital-requirement.html.
• P. Appiahene, Y. A. W. M. Missah, "Predicting the operational efficiency of banks in the presence of information technology investment using artificial neural network," Proceedings of the Academics World 132nd International Conference, pp. 6-11, Florence Italy, May 2019.
• L. Martin, S. Sharma, K. Maddulety, "Machine learning in banking risk management: a literature review," Risks, vol. 7, no. 1, pp. 29, 2019.

タイトルに関連する用語 (9件)： 機械学習 ,  アルゴリズム ,  銀行 ,  運用効率 ,  予測 ,  決定木 ,  ランダムフォレスト ,  ニューラルネットワーク ,  研究