https://libeldoc.bsuir.by/handle/123456789/43916| Title: | Влияние способа экстраполяций макроэкономических факторов на точность прогноза кредитных рисков |
| Other Titles: | Influence of extrapolation methods of macroeconomic factors on the accuracy of forecasting credit risks |
| Authors: | Васьковский, М. М. Карпович, А. А. |
| Keywords: | публикации ученых;материалы конференций;кредитные потери;модель регрессии;рекуррентные нейронные сети;credit losses;regression model;recurrent neural networks |
| Issue Date: | 2021 |
| Publisher: | Бестпринт |
| Citation: | Стрельченок, О. В. Кодирование событий в базах Big Data о трехмерных объектах в виде триад SAO / О. В. Стрельченок, И. М. Бойко, Ю. Г. Лейни // BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей VII Международной научно-практической конференции, Минск, 19-20 мая 2021 года / редкол.: В. А. Богуш [и др.]. – Минск : Бестпринт, 2021. – С. 176–187. |
| Abstract: | В данной работе исследуется влияние способа экстраполяции макроэкономических факторов на точность прогноза кредитных потерь в рамках модели DTSM. Целью данной работы было сравнить точность рассчитанных потерь. Использование экстраполяций с помощью решений уравнения Орнштейна-Уленбека позволило получить значительно лучший результат, если сравнить с тем, в котором использовались краткосрочные сценарии – 13 % против 28 %. Но лучший результат удалось получить, используя экстраполяции с помощью рекуррентной нейронной сети LSTM – 11 %. |
| Alternative abstract: | This paper examines the influence of the method of extrapolating macroeconomic factors on the accuracy of forecasting credit losses within the DTSM model. When constructing a forecast of credit losses, various approaches were applied for extrapolation of economic factor - using short-term scenarios, extrapolations using the solution of the OrnsteinUhlenbeck equation of the first and second orders, a recurrent neural network of the LSTM architecture. The aim of this work was to compare the accuracy of the calculated losses. The use of extrapolations using solutions to the OrnsteinUhlenbeck equation yielded a significantly better result when compared with the one in which short-term scenarios were used - 13% versus 28%. The best result was obtained using extrapolations using the recurrent neural network LSTM — 11%. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/43916 |
| ISBN: | 978-985-7267-09-5 |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2021) |
| File | Description | Size | Format | |
|---|---|---|---|---|
| Vaskovskiy_Vliyaniye.pdf | 2.24 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.