查詢結果分析
來源資料
相關文獻
- 銀行業借貸風險評估之實證分析--資料探勘與統計模型之比較
- 金門電信用戶流失與品牌忠誠度預測應用
- A Graph-Based Approach to Discovering Multiple-Level Association Rules from Large Databases
- 線上教材瀏覽模式之分析工具--資料探勘模式在網路學習課程之發展與應用實例
- 利用資料探勘語言挖掘感興趣的資訊
- 探勘中文新聞文件
- An Incremental Updating Technique for Discovering Sequential Patterns in Large Databases
- 一對一個人化服務機制
- 高效能多媒體文件分類法則之研究
- 利用決策樹分類法建置資料倉儲中檢核與整合大量企業資料之機制
第1筆 /總和 1 筆
/ 1 筆
頁籤選單縮合
題名 | 銀行業借貸風險評估之實證分析--資料探勘與統計模型之比較=A Comparative Study of Data Mining and Statistic Model: An Empirical Analysis of Banking Firms in Credit Risk Evaluation |
---|---|
作者 | 劉祥熹; 黃日鉦; | 書刊名 | 華人前瞻研究 |
卷期 | 1:1 民94.05 |
頁次 | 頁45-71 |
分類號 | 562.33 |
關鍵詞 | 資料探勘; 記憶基礎理解; 多層感知機; C4.5決策樹; Boosting抽樣; Data mining; MBR; MLP; C4.5; Boosting; |
語文 | 中文(Chinese) |
中文摘要 | 銀行放款業務之收益係以貸款客戶每期所支付之利息與相關手續費用為主,一旦客戶倒帳,除了損失利息之收入外,銀行更面臨血本無歸、無法收回本金之風險。借貸風險評估最主要的目的即在於追求利潤最大化之時,也能維持風險極小化之要求。本研究以銀行業為例,使用羅吉斯迴歸、記憶基礎理解、多層成生口機及C4.5決策樹等技術來建立一風險評估機制,並以綜合模型及Boosting抽樣來增加分類之正確率。最後,並比較資料探勘及統計模型結果上所存在之差異並評估其績效,進而提出管理實務上之相關建議。本研究的結論顯示:在借貸風險評估分析中,以C4.5 決策樹能獲得最高的平均利潤。此外,在綜合模型及Boosting抽樣下,其結果均較上述單一工具有更好的結果。 |
英文摘要 | The revenue of bank’s lending is interest that the loaners pay. Once the loaner is bad debit, the bank will lose interest and capital. The goal of the credit risk evaluation pursues not only maximum profit but also minimum risk. In this study,we proposed Logistic Regression, MBR, MLP and C4.5 to establish a credit risk system, and used combined model and Boosting to increase the accuracy of the classification. Finally, to compare the difference and performance between data mining and statistic technique, and suggestions for practice research. Experimental results of this case showed that the performance of C4.5 have the highest average profit. Furthermore, both combined model and Boosting provide better classification then above model. |
本系統之摘要資訊系依該期刊論文摘要之資訊為主。