Прогнозирование надежности банков с помощью деревьев классификации

  • Кириллов К.В. Кубанский государственный университет, Краснодар, Россия
  • Халафян А.А. Кубанский государственный университет, Краснодар, Россия
УДК: 519.22:336.144.36

Аннотация

Работа посвящена использованию методов классификационного анализа для прогнозирования надежности банков. Построены деревья классификации, использующие в качестве атрибутов статьи балансовой отчетности, обладающие наименьшей попарной корреляцией. Излагаются особенности моделирования деревьев для рассмотренной выборки банков, формирования обучающей и тестирующей выборок, выбора критериев отсечения ветвей. Разработанная модель протестирована с помощью реальных данных. Проанализировано финансовое состояние 557 российских банков на основе данных 2008 г., когда количество банкротств кредитных организаций резко возросло.

Ключевые слова: деревья классификации, обучающая и тестирующая выборка, правила логического вывода, критерий отсечения

Информация об авторах

Кирилл Валерьевич Кириллов
аспирант кафедры прикладной математики Кубанского государственного университета
e-mail: k.kirillov@mail.ru
Алексан Альбертович Халафян
д-р техн. наук, профессор кафедры прикладной математики Кубанского государственного университета
e-mail: khaliphyan@kubannet.ru

Литература

  1. Argenti J. Corporate Collapse // England: McGraw-Hill, 1976. 193 p.
  2. Bryant S.M. A case-based reasoning approach to bankruptcy prediction modeling. Intelligent Systems in Accounting // Finance and Management. 1997. Vol. 6. P. 195-214.
  3. Curram S.P., Mingers J. Neural networks, decision trees induction and discriminant analysis: An empirical comparison// Journal of the Operational Research Society. 1994. Vol. 45. No. 4. P. 440-450.
  4. Elhadi M.T., Vamos T. An IR-CBR approach to legal indexing and retrieval in bankruptcy law // In Tenth proceedings in database and expert systems applications. 1999. P. 769-774.
  5. Jo H., Han I., Lee H. Bankruptcy prediction using case-based reasoning, neural networks, and discriminant analysis // Expert Systems with Applications. 1997. Vol. 13. No. 2. P. 97-108.
  6. Park C., Han I. A case-based reasoning with the feature weights derived by analytic hierarchy process for bankruptcy prediction // Expert Systems with Applications. 2000. Vol. 23. No. 3. P. 255-264.
  7. Atiya A.F. Bankruptcy prediction for credit risk using neural networks: A survey and new results // IEEE Transactions on Neural Networks. 2001. Vol. 12. No. 4. P. 929-935.
  8. Baek J., Cho S. Bankruptcy prediction for credit risk using an autoassociative neural network in Korean firms // In IEEE international conference on computational intelligence for financial engineering. 2003. P. 25-29.
  9. Nasir M.L., John R.I., Bennett S.C. Predicting corporate bankruptcy using modular neural networks // In IEEE international conference on computational intelligence for financial engineering. 2000. P. 86-91.
  10. Chen M.-Y. Predicting corporate financial distress based on integration of decision tree classification and logistic regression // Expert Systems with Applications. 2011. Vol. 38. P. 11261-11272.
  11. Pang Su-lin, Gong Ji-zhang C5.0 Classification Algorithm and Application on Individual Credit Evaluation of Banks // Systems Engineering - Theory & Practice. 2009. Vol. 29. Iss. 12. P. 94-102.
  12. Кириллов К.В. Анализ деятельности банка с помощью факторного анализа // Международная молодежная научно-практическая конференция "Математическое моделирование в экономике, страховании и управлении рисками". 05-08 ноября 2013, г. Саратов (принято в печать).
  13. Халафян А.А. STATISTICA 6. Математическая статистика с элементами теории вероятностей: учебник // Москва: Издательство Бином. 2011. 496 с.
  14. Пелипенко Е.Ю., Халафян А.А. Оценка платежеспособности предприятия на основе метода "деревья классификации" // Современные тенденции в экономике и управлении: новый взгляд: сборник материалов III Международной научно-практической конференции: в 2-х частях. Ч. 2. 2010. С. 34-39.
  15. Breiman L., Friedman J.H., Olshen R.A., Stone C.T. Classification and Regression Trees // Wadsworth, Belmont, California, 1984. 368 p.
Выпуск
Страницы
61-66
Прислано
2013-09-11
Опубликовано
2013-09-23

Наиболее читаемые статьи этого автора (авторов)