ǂa ǂcomparison of traditional statistical and machine learning classification methods for corporate credit scoring
Domen Bider (Avtor), Aleš Berk Skok (Mentor)

Povzetek

Empirical credit risk modelling

Ključne besede

banking;crediting;risk;risk management;models;measurements;research;analysis;

Podatki

Jezik: Angleški jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UL EF - Ekonomska fakulteta
Založnik: [D. Bider]
UDK: 336.71
COBISS: 25328358 Povezava se bo odprla v novem oknu
Št. ogledov: 465
Št. prenosov: 78
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Slovenski jezik
Sekundarni naslov: Empirični modeli kreditnega tveganja: primerjava tradicionalnih statističnih metod ter pristopov strojnega učenja na primeru poslovnih strank podjetja
Sekundarne ključne besede: bančništvo;kreditiranje;tveganje;obvladovanje tveganj;modeli;meritve;raziskave;analiza;
Vrsta dela (COBISS): Magistrsko delo/naloga
Komentar na gradivo: Univ. Ljubljana, Ekonomska fak.
Strani: VI, 88, 33 str.
ID: 11381603
Priporočena dela:
, ǂa ǂcomparison of traditional statistical and machine learning classification methods for corporate credit scoring
, diplomsko delo
, master's thesis
, vpliv arbitrarnosti pri izdelavi modela za ocenjevanje kreditnega tveganja fizičnih oseb
, master's thesis