Interpretable binary and multiclass prediction models for insolvencies and credit ratings

vorgelegt von Lennart Obermann

Insolvenzprognosen und Ratings sind wichtige Aufgaben der Finanzbranche und dienen der Kreditwürdigkeitsprüfung von Unternehmen. Eine Möglichkeit dieses Aufgabenfeld anzugehen, ist maschinelles Lernen. Dabei werden Vorhersagemodelle aufgrund von Beispieldaten aufgestellt. Methoden aus diesem Bereich sind aufgrund Ihrer Automatisierbarkeit vorteilhaft. Dies macht menschliche Expertise in den meisten Fällen überflüssig und bietet dadurch einen höheren Grad an Objektivität. Allerdings sind auch diese Ansätze nicht perfekt und können deshalb menschliche Expertise nicht gänzlich ersetzen. Sie bi...

MoreLess

Year of publication:	April 2016
Authors:	Obermann, Lennart
Publisher:	Göttingen
Subject:	Lernen \| Learning \| Künstliche Intelligenz \| Artificial intelligence \| Insolvenz \| Insolvency \| Prognose \| Forecast \| Bewertung \| Evaluation \| Klassifikation \| Classification \| Entscheidungsbaum \| Decision tree