文献

J-GLOBAL ID：202102221010807981   整理番号：21A0028005

機械学習を用いた非実行資産解析【JST・京大機械翻訳】

Non-performing Asset Analysis Using Machine Learning

著者 (1件)： Jacob Rohan Ninan (Department of Electronics and Telecommunications Engineering, Fr. Conceicao Rodrigues Institute of Technology, Vashi, Navi Mumbai, India)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1270  ページ： 11-18  発行年： 2020年 
JST資料番号： W5075A  ISSN： 2194-5357  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： ローンは顧客に銀行によって与えられ,そのニーズに従って,組織内の様々なエンティティによって監視され,適切な量が顧客に受信され,そして,彼らがデフォルトまたは特定の財政的アドバイスが,非実行資産(NPA)ケースがトリガされるかどうかを知っているかどうかを知らせる。市場には多くのソフトウェアがあるが,しかし,小規模の金融機関と銀行のために,そのような解決策を展開する大きなハードルになる。残念なことに,これらの事例を同定し予測するための費用対効果の高い方法はなく,また,組織においてNPA活動のモニタリングにいくつかの失敗をもたらした。したがって,効果的なアプローチは,オープンソースソフトウェアの使用で,機械学習アルゴリズムを用いることであり,これは,本質的パラメータを用いてNPAsの予測を助け,それによって,多くのバンキングと金融機関が直面するような問題に対する費用対効果の高い解決策を与える。Copyright The Editor(s) (if applicable) and The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 銀行 ,  金融機関 ,  ソフトウェア ,  *機械学習 ,  学習アルゴリズム
準シソーラス用語： オープンソース ,  エンティティ , 【Automatic Indexing@JST】

著者キーワード (5件)： NPA ,  パラメータ ,  XGBoost ,  勾配ブースティング ,  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 (3件)： 機械学習 ,  資産 ,  解析