Informační systém VŠTE
STEHEL, Vojtěch, Jaromír VRBKA a Zuzana ROWLAND. Using neural networks for determining creditworthiness for the purpose of providing bank loan on the example of construction companies in South Region of Czech Republic. Ekonomicko-manažerské spektrum, Žilina: EDIS, 2016, roč. 2016, č. 2, s. 62-73. ISSN 1337-0839.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Using neural networks for determining creditworthiness for the purpose of providing bank loan on the example of construction companies in South Region of Czech Republic
Název česky Použití neuronových sítí pro stanovení bonity pro účely poskytnutí bankovního úvěru na příkladu souboru stavebních podniků v Jihočeském kraji
Autoři STEHEL, Vojtěch, Jaromír VRBKA a Zuzana ROWLAND.
Vydání Ekonomicko-manažerské spektrum, Žilina, EDIS, 2016, 1337-0839.
Další údaje
Originální jazyk angličtina
Typ výsledku Článek v odborném periodiku
Obor 50200 5.2 Economics and Business
Stát vydavatele Slovensko
Utajení není předmětem státního či obchodního tajemství
Organizační jednotka Vysoká škola technická a ekonomická v Českých Budějovicích
Klíčová slova česky umělé neuronové sítě; bonita; bankovní úvěr; predikční modely; stavební podnik
Klíčová slova anglicky artificial neural networks; creditworthiness; bank loan; prediction models; construction company
Štítky KEM6
Změnil Změnila: Hana Dlouhá, učo 19800. Změněno: 28. 2. 2017 13:05.
Anotace
Determining the creditworthiness of potential bank customers is a crucial step in the process of providing loans. An example of applications of neural networks in this article is executed on a specific group of construction companies operating in a specific time period in the South Region of Czech Republic. Article seeks a neural structure that will be able to classify each company based on the input of financial and non-financial data to a group of creditworthy companies, companies that will bankrupt in a year or companies that will bankrupt in the future. The result is the identification of the model with the greatest predictive power that can be used in practice. Its accuracy is around 96%.
Anotace česky
Stanovení bonity potenciálního klienta banky je zásadním krokem v procesu poskytování úvěrů. Příklad aplikace neuronových sítí je v tomto článku proveden na konkrétním souboru stavebních společností působících v konkrétním časovém období v Jihočeském kraji. Článek hledá umělou neuronovou strukturu, která bude umět zařadit každý podnik na základě vstupních finančních i nefinančních dat do skupiny bonitních podniků, krachujících v daném roce či krachujících v budoucnu. Výsledkem je identifikace modelu s největší predikční silou, který lze využít v praxi. Jeho přesnost se pohybuje okolo 96 %.
Zobrazeno: 22. 10. 2020 17:56