STEHEL, Vojtěch, Jaromír VRBKA and 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, vol. 2016, No 2, p. 62-73. ISSN 1337-0839.
Other formats:   BibTeX LaTeX RIS
Basic information
Original name 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
Name in Czech Použití neuronových sítí pro stanovení bonity pro účely poskytnutí bankovního úvěru na příkladu souboru stavebních podniků v Jihočeském kraji
Authors STEHEL, Vojtěch, Jaromír VRBKA and Zuzana ROWLAND.
Edition Ekonomicko-manažerské spektrum, Žilina, EDIS, 2016, 1337-0839.
Other information
Original language English
Type of outcome Article in a journal
Field of Study 50200 5.2 Economics and Business
Country of publisher Slovakia
Confidentiality degree is not subject to a state or trade secret
Organization unit Institute of Technology and Business in České Budějovice
Keywords (in Czech) umělé neuronové sítě; bonita; bankovní úvěr; predikční modely; stavební podnik
Keywords in English artificial neural networks; creditworthiness; bank loan; prediction models; construction company
Tags KEM6
Changed by Changed by: Hana Dlouhá, učo 19800. Changed: 28/2/2017 13:05.
Abstract
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%.
Abstract (in Czech)
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 %.
PrintDisplayed: 25/10/2020 19:42