| DC Field | Value | Language |
|---|
| dc.contributor.author | Rahel, D. M. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2025-05-02T06:51:48Z | - |
| dc.date.available | 2025-05-02T06:51:48Z | - |
| dc.date.issued | 2025 | - |
| dc.identifier.citation | Rahel D. M. Evaluation of indicators clustering methods in interrelated counterparties financial assessment = Оценка методов кластеризации показателей для финансовой оценки взаимосвязанных контрагентов / D. M. Rahel // Big Data и анализ высокого уровня = Big Data and Advanced Analytics : сборник научных статей XI Международной научно-практической конференции, Республика Беларусь, Минск, 23–24 апреля 2025 года / Белорусский государственный университет информатики и радиоэлектроники [и др.] ; редкол.: В. А. Богуш [и др.]. – Минск, 2025. – С. 35–37. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/59660 | - |
| dc.description.abstract | The article discusses approaches to clustering and classification of financial data that can be used
in scoring indicators of various counterparties. The author considers two types of clustering of financial data using the
Euclidean distance and the Mahalanobis distance and draws conclusions about their advantages and disadvantages. | en_US |
| dc.language.iso | en | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | анализ данных | en_US |
| dc.subject | финансовые данные | en_US |
| dc.subject | большие данные | en_US |
| dc.subject | финансовые характеристики | en_US |
| dc.title | Evaluation of indicators clustering methods in interrelated counterparties financial assessment | en_US |
| dc.title.alternative | Оценка методов кластеризации показателей для финансовой оценки взаимосвязанных контрагентов | en_US |
| dc.type | Article | en_US |
| local.description.annotation | В статье изложен подход к анализу характера распределения различных типов
финансовых данных. Предлагается подход, при котором можно проанализировать совокупность однотипных
данных на основании построения ряда распределения и анализа значений в различных интервалах ряда.
Характер распределения значений позволит сделать выводы о нормальности деятельности изучаемых
контрагентов и, с учетом этого, провести дальнейший анализ данных. | en_US |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2025)
|
