Αξιολόγηση του κινδύνου πτώχευσης για τα χρηματοπιστωτικά ιδρύματα: μεθοδολογικό πλαίσιο και προβλεπτικά μοντέλα

Περίληψη

Αυτή η εργασία είναι μια ολοκληρωμένη έρευνα σχετικά με την πρόβλεψη της αποτυχίας των τραπεζών, καθώς εξετάζει διάφορες πτυχές της μοντελοποίησης για την επίτευξη καλύτερων αποτελεσμάτων. Η ανάλυση βασίζεται σε ένα ολοκληρωμένο σύνολο δεδομένων περίπου 60.000 παρατηρήσεων για μια εκτεταμένη περίοδο εννέα ετών (2005-2014) και εξετάζει διαφορετικούς ορίζοντες πρόβλεψης, έως τρία χρόνια πριν την αποτυχία. Εξετάζουμε αν η προσθήκη μεταβλητών που σχετίζονται με τη διαφοροποίηση των δραστηριοτήτων των τραπεζών, μαζί με τα μεταβλητές όσον αφορά την τοποθεσία τους, βελτιώνει την προβλεψιμότητα των μοντέλων. Συγρίνονται επτά δημοφιλείς και ευρέως χρησιμοποιούμενες τεχνικές μηχανικής μάθησης (λογιστική παλινδρόμηση, μηχανές διανυσμάτων υποστήριξης με γραμμικούς και ακτινικούς πυρήνες, naive bayes, extreme gradient boosting, random forests και νευρωνικά δίκτυα) και υπολογίζονται τρία διαφορετικά κριτήρια απόδοσης ταξινόμησης (AUROC, H-measure και απόσταση Kolmogorov-Smirnov). Προκειμένου να διασ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

This thesis is a comprehensive and complete research on bank failure prediction, as it examines various modeling aspects for obtaining improved results. The analysis is based on a comprehensive dataset of approximately 60,000 observations over an extensive period of nine years (2005-2014), and it examines different prediction horizons, for up to three years prior to failure. We explore whether the addition of variables related to the diversification of the banks’ activities, along with local effects, improves the predictability of the models. Seven popular and widely used machine-learning techniques are compared (logistic regression, support vector machines with linear and radial kernels, naïve Bayes, extreme gradient boosting, random forests and artificial neural networks) and three different classification performance metrics are calculated (AUROC, H-measure, and Kolmogorov-Smirnov metric). In order to ensure the robustness of the results, bootstrap testing is used. The results show ...
περισσότερα
Η διατριβή είναι δεσμευμένη από τον συγγραφέα  (μέχρι και: 11/2022)
Το πλήρες κείμενο της διατριβής είναι διαθέσιμο σε έντυπη μορφή από τη Βιβλιοθήκη Επιστήμης και Τεχνολογίας του ΕΚΤ
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/46616
ND
46616
Εναλλακτικός τίτλος
Accessing bankruptcy risk for financial institutions: methodological framework and predictive modelling
Συγγραφέας
Μανθούλης, Γεώργιος Κωνσταντίνος
Ημερομηνία
2019
Ίδρυμα
Πολυτεχνείο Κρήτης. Σχολή Μηχανικών Παραγωγής και Διοίκησης. Τομέας Οργάνωσης και Διοίκησης
Εξεταστική επιτροπή
Ζοπουνίδης Κωνσταντίνος
Δούμπος Μιχαήλ
Γαλαριώτης Αιμίλιος
Πασιούρας Φώτιος
Γαγάνης Χρυσοβαλάντης
Κοσμίδου Κυριακή
Ατσαλάκης Γιώργος
Επιστημονικό πεδίο
Κοινωνικές Επιστήμες
Οικονομικά και Διοίκηση Επιχειρήσεων
Λέξεις-κλειδιά
Πρόβλεψη αποτυχίας; Κίνδυνος πτώχευσης; Αποτυχία τραπεζών
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
x, 129 σ., πιν., χαρτ., σχημ., γραφ.
Ειδικοί όροι χρήσης/διάθεσης
Το έργο παρέχεται υπό τους όρους της δημόσιας άδειας του νομικού προσώπου Creative Commons Corporation:Creative Commons Αναφορά Δημιουργού 3.0 Ελλάδα