RELARM: рейтинговая модель на основе относительных РСА-атрибутов и k-кластеризации
Ирматова Э.А.1
1 Российская академия народного хозяйства и государственной службы при Президенте РФ
Скачать PDF | Загрузок: 10
Статья в журнале
Российское предпринимательство *
Том 18, Номер 10 (Май 2017)
* Этот журнал не выпускается в Первом экономическом издательстве
Цитировать:
Ирматова Э.А. RELARM: рейтинговая модель на основе относительных РСА-атрибутов и k-кластеризации // Российское предпринимательство. – 2017. – Том 18. – № 10. – С. 1597-1614. – doi: 10.18334/rp.18.10.37967.
Аннотация:
В статье, следуя широко используемой в распознавании образов концепции относительных атрибутов, дается определение относительных PCA атрибутов для класса объектов, заданных векторами своих параметров. Построена новая рейтинговая модель, RELARM, использующая ранковые функции относительных PCA атрибутов для описания рейтинговых объектов и алгоритм k-кластеризации. Отнесение каждого рассматриваемого объекта к соответствующей его свойствам рейтинговой категории происходит в результате проецирования центров кластеров на специально выбранный рейтинговый вектор. На тестовой модели кредитоспособности суверенных государств показан высокий уровень аппроксимации рейтингов рейтинговых агентств S&P, Moody’s и Fitch рейтингами RELARM.
Ключевые слова: метод главных компонент, кредитный рейтинг, рейтинговая модель, относительные PCA атрибуты, k-кластеризация
Источники:
Chen H., Chen Y. 2010. A comparative study of discrimination methods for credit scoring. Computers and Industrial Engineering (CIE), 2010 40th International Conference on: 1-5. DOI: 10.1109/ICCIE.2010.5668170
Huang S.C., Day M.Y. 2013. A Comparative Study of Data Mining Techniques for Credit Scoring in Banking. Information Reuse and Integration (IRI), 2013 IEEE 14th International Conference on: 684-691. DOI: 10.1109/IRI.2013.6642534
Hsu C.F., Hung H.F. 2009. Classification methods of Credit Rating – A Comparative Analysis on SVM, MDA and RST. Computational Intelligence and Software Engineering, 2009. CiSE 2009. International Conference on: 1-4. DOI: 10.1109/CISE.2009.5366068
Hongli, Junchen. 2010. The Credit Rating of Small and Medium-sized Enterprises Based on the Grey Hierarchy Evaluation Model. The 2nd International Conference on Information Science and Engineering: 3247-3250. DOI: 10.1109/ICISE.2010.5689927
Wang H. 2011. Rating of Credit Risk Utilizing Improved GRA with Compound Weight. Artificial Intelligence, Management Science and Electronic Commerce (AIMSEC), 2011 2nd International Conference on: 3196-3200. DOI: 10.1109/AIMSEC.2011.6011178
Lou C., Peng Y., Kou G., Ge X. 2010. DMCDM: A dynamic multi criteria decision making model for sovereign credit default risk evaluation. Software Engineering and Data Mining (SEDM), 2010 2nd International Conference on: 489 – 494
The Listed Company's Credit Rating Based on Logistic Regression Model Add non-financial Factors Wei Y., Xu S., Meng F. 2010. The Listed Company's Credit Rating Based on Logistic Regression Model Add non-financial Factors. Modeling, Simulation and Visualization Methods (WMSVM), 2010 Second International Conference on: 172-175. DOI: 10.1109/WMSVM.2010.69
9. Sohn S.Y., Kim D.H., Yoon J.H. Technology credit scoring model with fuzzy logistic regression // Applied Soft Computing. – 2016. – № 43. – С. 150-158. – doi: 10.1016/j.asoc.2016.02.025.
10. Fernandez-Navarro F., Campoy-Munoz P., Paz-Marin M, Hervas-Martinez C., Yao X. Addressing the EU Sovereign Ratings Using an Ordinal Regression Approach // IEEE Transactions on Cybernetics. – 2013. – № 43. – С. 2228-2240. – doi: 10.1109/TSMCC.2013.2247595.
11. Chen W., Li JM. A model based on factor analysis and support vector machine for credit risk identification in small-and-medium enterprises // International Conference on Machine Learning and Cybernetics. – 2009. – С. 913-918. – doi: 10.1109/ICMLC.2009.5212433.
Jilani T.A., Burney S.M.A. 2008. Multiclass Bilateral-Weighted Fuzzy Support Vector Machine to Evaluate Financial Strength Credit Rating. Computer Science and Information Technology, 2008. ICCSIT '08. International Conference on: 342-348. DOI: 10.1109/ICCSIT.2008.191
Gangolf C, Dochow R, Schmidt G, Tamisier T. 2014. SVDD: A proposal for automated credit rating prediction. Control, Decision and Information Technologies (CoDIT), 2014 International Conference on: 048-053. DOI: 10.1109/CoDIT.2014.6996866
Liu C, Xia X. 2010. The credit rating of small and medium enterprises based on neural network. Information Engineering and Electronic Commerce (IEEC), 2010 2nd International Symposium on: 1-4. DOI: 10.1109/IEEC.2010.5533285
Xiang D. 2010. The Listed Company's Financial Evaluation Based on PCA-Logistic Regression Model. Multimedia and Information Technology (MMIT), 2010 Second International Conference on: 168-171. DOI: 10.1109/MMIT.2010.148
Xue X-h, Xue X-f. 2010. Research of electronic commercial credit rating based on Neural Network with Principal Component Analysis. Internet Technology and Applications, 2010 International Conference on: 1-4. DOI: 10.1109/ITAPP.2010.5566121
Jianfeng L, Tianshan M. 2010. An Comprehensive Rating Model of Manufacturing Enterprise's Credit Risk Based on Logistics Finance. 2010 International Conference on Computer Application and System Modeling (ICCASM 2010): V15-290 -V15-293. DOI: 10.1109/ICCASM.2010.5622102
Zhang M., Zhou Z. A Credit Rating Model for Enterprises Based on Principal Component Analysis and Optimal Partition // Emergency Management and Management Sciences (ICEMMS): DOI: 10.1109/ICEMMS.2010.5563423. 2010. – С. 379-382.– doi: 10.1109/ICEMMS.2010.5563423.
19. Parikh D., Grauman K. Relative Attributes // Proceedings of the International Conference on Computer Vision. – 2011. – С. 503-510.
20. Lloyd S.P. Least Squares Quantization in PCM // IEEE Transactions on Information Theory. – 1982. – № 28. – С. 129-137.
Arthur D, Vassilvitskii S. 2007. K-means++: The Advantages of Careful Seeding. SODA ‘07: Proceedings of the Eighteenth Annual ACM-SIAM Symposium on Discrete Algorithms: 1027–1035
Страница обновлена: 14.07.2024 в 20:46:50