Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/43916
Full metadata record
DC FieldValueLanguage
dc.contributor.authorВаськовский, М. М.-
dc.contributor.authorКарпович, А. А.-
dc.contributor.authorVaskouski, M.-
dc.contributor.authorKarpovich, A.-
dc.date.accessioned2021-06-07T06:27:15Z-
dc.date.available2021-06-07T06:27:15Z-
dc.date.issued2021-
dc.identifier.citationСтрельченок, 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.ru_RU
dc.identifier.isbn978-985-7267-09-5-
dc.identifier.urihttps://libeldoc.bsuir.by/handle/123456789/43916-
dc.description.abstractВ 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 %. 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%.ru_RU
dc.language.isoruru_RU
dc.publisherБестпринт, РБru_RU
dc.subjectпубликации ученыхru_RU
dc.subjectматериалы конференцийru_RU
dc.subjectкредитные потериru_RU
dc.subjectмодель регрессииru_RU
dc.subjectрекуррентные нейронные сетиru_RU
dc.subjectcredit lossesru_RU
dc.subjectregression modelru_RU
dc.subjectrecurrent neural networksru_RU
dc.titleВлияние способа экстраполяций макроэкономических факторов на точность прогноза кредитных рисковru_RU
dc.title.alternativeInfluence of extrapolation methods of macroeconomic factors on the accuracy of forecasting credit risksru_RU
dc.typeСтатьяru_RU
Appears in Collections:BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2021)

Files in This Item:
File Description SizeFormat 
Vaskovskiy_Vliyaniye.pdf2,24 MBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.