Σύγκριση νοημόνων μεθοδολογιών για τη μοντελοποίηση του προβλήματος του πιστοληπτικού κινδύνου σε τραπεζικούς οργανισμούς : η περίπτωση των καταναλωτικών δανείων
Η παρούσα διπλωματική εργασία πραγματεύεται μία από τις μεγαλύτερες κατηγορίες χρηματοοικονομικών κινδύνων, αυτή του πιστοληπτικού κινδύνου που μπορεί να αντιμετωπίσει ένας Τραπεζικός Οργανισμός. Απαιτήθηκε, λοιπόν, η πρόβλεψη, η αντιμετώπιση, η παρακολούθηση, η διαχείρισή του, καθώς και η μοντελοπο...
Αποθηκεύτηκε σε:
| Περίληψη: | Η παρούσα διπλωματική εργασία πραγματεύεται μία από τις μεγαλύτερες κατηγορίες χρηματοοικονομικών κινδύνων, αυτή του πιστοληπτικού κινδύνου που μπορεί να αντιμετωπίσει ένας Τραπεζικός Οργανισμός. Απαιτήθηκε, λοιπόν, η πρόβλεψη, η αντιμετώπιση, η παρακολούθηση, η διαχείρισή του, καθώς και η μοντελοποίηση του προβλήματος, ώστε να διευκολυνθούν οι υπεύθυνοι λειτουργοί των Τραπεζικών Οργανισμών, που ασχολούνται καθημερινά με πιστωτικά προϊόντα που ενέχουν τέτοιου είδους κίνδυνο. Έχουμε συλλέξει και χρησιμοποιήσει δεδομένα που αφορούν καταναλωτικά δάνεια, τα οποία ζητούνται καθημερινά από ιδιώτες Η ανάλυση και επεξεργασία των δεδομένων έχει γίνει με ένα ιδιαίτερα προηγμένο εργαλείο τεχνητής νοημοσύνης το πρόγραμμα WEKA 3.5.5, το οποίο αναπτύχθηκε στο Πανεπιστήμιο Waikato της Νέας Ζηλανδίας από τους ερευνητές Eibe Frank, Len Trigg και Mark Hall. Επίσης, έχει γίνει εφαρμογή μεθοδολογίας αξιολόγησης μέσω επαναλαμβανόμενων δοκιμών σε άγνωστα δεδομένα (cross validation), καθώς και αξιολογήσεις νέων άγνωστων δεδομένων (holdout) για τη μελέτη της απόδοσης των αλγορίθμων. Το κύριο κριτήριο για την ανάλυση της απόδοσης και αξιοπιστίας των αλγορίθμων, εξάλλου, συνίσταται στη μελέτη των ποσοστών εσφαλμένης ταξινόμησης περιπτώσεων που υπολογίζονται για κάθε προσέγγιση. Έχει, επίσης, χρησιμοποιηθεί η μέθοδος των μηχανών διανυσμάτων υποστήριξης (support vector machines - SVM), ο αλγόριθμος see5/C5.0 και ένα Νευρωνικό (Δίκτυο Neural Network -ΝΝ) όπως θα δούμε στο ΠΑΡΑΡΤΗΜΑ Α. Εκεί συγκρίνουμε και τα αποτελέσματα και των τριών μεθόδων που πραγματοποιήθηκαν. Πολύ βασική για εμάς είναι η έρευνα που έχει γίνει κατά τη διάρκεια των τελευταίων ετών -κυρίως την δεκαετία του ΄70- για τη διαχείριση και καταπολέμηση του πιστοληπτικού κινδύνου από ξένους ερευνητές, όπως είναι ο Edward Altman. Tο μοντέλο του παρατίθεται αναλυτικά στο δεύτερο κεφάλαιο της εργασία μας. Επιγραμματικά αναφερόμαστε και σε άλλα μοντέλα ξένων ερευνητών, όπως π.χ. είναι του Merton, και έχουν χρησιμοποιηθεί για την επίλυση του προβλήματος που μας απασχολεί. Ο σκοπός της εργασίας μας είναι η εκτίμηση της απόδοσης διαφορετικών αλγορίθμων μηχανικής μάθησης στο θέμα της πρόβλεψης του πιστοληπτικού κινδύνου στους Τραπεζικούς Οργανισμούς. Αυτό αποτελεί και το πρακτικό μέρος της εργασίας μας. Στο θεωρητικό μέρος θα δούμε την πιστοδοτική πολιτική που διέπει το Ελληνικό Τραπεζικό Σύστημα, τη διαχείριση των κινδύνων στην καταναλωτική πίστη, τι είναι η Τεχνητή Νοημοσύνη και το πρόγραμμα WEKA 3.5.5 πιο αναλυτικά. Έχουμε, επίσης, διερευνήσει θέματα, όπως την αξία, την κατανοησιμότητα και την αξιοπιστία των αποτελεσμάτων, με τη βοήθεια των ειδικών του χώρου εφαρμογής, δηλαδή υπευθύνων του καταστήματος εφαρμογής στον τομέα των ιδιωτικών καταναλωτικών δανείων και τέλος, παραθέτουμε αναλυτικά τα συμπεράσματα μας. |
|---|