Hitelminősítő algoritmusok összehasonlítása: mesterséges intelligencia alapú algoritmusok vs. hagyományos módszerek
Megjelent: 2023, 2023/1. lapszám
Absztrakt. A tanulmány célja összehasonlítani a logisztikus regresszió, döntési fa és a véletlen erdő teljesítményét egy valós P2P (peer-to-peer) hitelezési adatbázison. A peer-to-peer (vagy személyközi, P2P) hitelezési piac megkönnyíti a hitelfelvevők és a hitelezők közötti pénzügyi tranzakciókat. A hitelkockázat-kezelés hagyományosan a hitelpontozáson alapszik, amely segítségével a hitelek nemteljesítésének valószínűségét becsüljük. A megfelelő hitelminősítési technika nagyon fontos mind a pénzügyi intézmények, mind a P2P hitelezési platformok hosszú távú sikere szempontjából. A hitelminősítő algoritmusok ös�szehasonlítása a Lending Clubról származó adatok alapján történik. Az adatbázis 2017 első negyedévére terjed ki, 563 847 megfigyelést és 23 különböző változót tartalmaz. Az eredmények alapján arra a következtetésre jutunk, hogy a véletlen erdő a jobb hitelminősítő algoritmus a Lending Club adatbázisa esetében.
Kulcsszavak: hitelminősítés, személyközi hitelezés, logisztikus regresszió, véletlen erdő, döntési fa
Bevezető
Teply és Polena (2020) szerint a FinTech pénzügyi innovációjaként a személyközi (peer-to-peer, P2P) hitelezés egy új, online pénzügyi közvetítés, amely a hitelfelvevőket köti össze a hitelezőkkel. A hitelfelvevők és a hitelezők online P2P-hitelezési platformokon keresztül kerülnek kapcsolatba egymással. A P2Phitelezési platformok a hagyományos bankoknál alacsonyabb közvetítési költséggel tudnak hiteleket nyújtani, mivel az online jelenlétük miatt a működési költségeik alacsonyabbak, mint a fizikai bankoké. Ez teszi lehetővé a versenyképesebb feltételek kínálását a hitelfelvevők és a hitelezők számára. A hitelfelvevők átlagosan alacsonyabb kamatlábakat fizetnek a P2P-hitelezési platformokon, mint a bank által nyújtott hitelek esetén. A jól diverzifikált hitelportfólióval rendelkező hitelezők magasabb hozamot érnek el, mint a hagyományos megtakarítási számlákon. Ezek a tények egyre inkább népszerűvé teszik a P2P-hitelezést mind a hitelfelvevők, mind a hitelezők számára.
Fontos kiemelni a P2P-hitelezés korlátait is ahhoz, hogy a hitelezési piacról egy átfogó képet kapjunk. Zhao et al. (2021) szerint az egyik jelentős korlát a kockázatkezeléssel kapcsolatos, hiszen a P2P-hitelezési platformokon a hitelfelvevők hitelképességének értékelése gyakran kevésbé alapos, mint a hagyományos bankok esetében, ami magasabb kockázatot jelent a hitelezők számára. A hagyományos bankokkal ellentétben a hitelkockázatot nem a P2P-platformnak, hanem a befektetőknek kell viselniük (Stern et al. 2017). A P2P-hitelezés likviditási kockázata is fontos, a befektetők nem kapják azonnal vissza a befektetett összeget, meg kell várniuk a hitel futamidejének a végét. A kamatkockázat és a platformkockázat is korlátja a P2P-hitelezésnek, hiszen a P2P-hitelezési platformok üzleti modelljei és pénzügyi helyzete változhat, ami a befektetők számára kockázatot jelent. Ezek mellett a platform meghibásodásából, csalásból vagy kiberbűnözésből eredő potenciális kockázati tényezők a befektetőkre és a platformokra is kockázatot jelentenek (Milne–Parboteeah 2016). A legelső P2P-hitelezési platformot, a Zopát 2005-ben alapították az Egyesült Királyságban. A Zopát követően számos P2P-hitelezési platform jött létre, köztük több mint 1000 Kínában. Az Amerikai Egyesült Államokban a Lending Club a legfontosabb P2P-hitelezési platform, amelyet 2014-ben bevezettek a New York-i tőzsdére. A P2P-hitelezés piacának értéke 2020-ban 84,89 milliárd dollár volt, és az előrejelzések szerint 2028-ra eléri az 578,03 milliárd dollár értéket.
Az egyedi hitelkérelmek növekedésével a hitelkockázat értékelése egyre fontosabbá vált a pénzügyi szakemberek és kutatók számára is. Ágoston (2022a) szerint a hagyományos módszerek, amelyek sokáig dominálták ezt a területet, egyre nagyobb kihívásokkal szembesülnek a változó gazdasági környezet és az adatok bősége miatt. Az új technológiák, mint például a mesterséges intelligencia alapú algoritmusok, ígéretes alternatívát kínálnak a hagyományos modellek mellett.
A tanulmányban áttekintem az új megközelítéseket, majd hatékonyság és alkalmazhatóság szempontjából összehasonlítom ezeket a hagyományos módszerekkel. Az elemzés célja, hogy betekintést nyújtson abba, hogy miként lehetnek az új technológiák hatékony eszközök a hitelminősítő intézmények számára a kockázatok kezelésében és a döntéshozatalban. A klasszifikációs mátrix alapján felépített mérőszámok segítségével összehasonlítom a döntési fa, a véletlen erdő, valamint a logisztikus regresszió teljesítményét. A modellek teljesítményének értékelése alapján arra a kérdésre kapunk választ, hogy az új technológiák képesek-e javítani a hitelminősítő intézmények hatékonyságát és eredményességét a hitelezési döntéshozatal folyamatában.
A tanulmány négy részből áll. Az első fejezet a szakirodalmi áttekintést tartalmazza, ezt követi az adatok és a módszertan fejezet, amelyben az elemzésben használt adatbázis, ennek tisztítási folyamata és az elemzésben használt módszerek kerülnek bemutatásra. Ezt követi az eredmények elemzése, majd a következtetések levonása.
Szakirodalmi áttekintés
A hagyományos banki hitelezéssel szemben a P2P-hitelezés újabb megközelítést jelent, amely során közvetlen kapcsolat alakul ki a kölcsönt igénylők és a befektetők között az online platformokon keresztül. Ezek a platformok alacsonyabb költségeket és gyorsabb folyamatokat kínálnak a hiteligénylőknek, miközben lehetőséget teremtenek azoknak a befektetőknek, akik hajlandóak közvetlenül részt venni a finanszírozásban. A döntéshozóknak fontos megérteniük mindkét lehetőség előnyeit és korlátait annak érdekében, hogy hatékonyan tudjanak választani a finanszírozási lehetőségek között. A hitelezési döntés hasonló a két finanszírozási forrás esetén (Kgoroeadira et al. 2023).
Berger et al. (2021) szerint a hitelminősítés egy folyamat, amelynek során a pénzügyi intézmények vagy hitelezők eldöntik, hogy egy adott hitelfelvevő (fizikai személy vagy vállalat) képes-e visszafizetni a kölcsönt a megállapított feltételek szerint. Ez a folyamat segít a hitelezőknek felmérni a kockázatot, amelyet a kölcsön nyújtása jelent, valamint segít döntést hozni arra vonatkozóan, hogy milyen feltételekkel adják a hitelt, vagy hogy egyáltalán megadják-e azt. Pang et al. (2021) szerint a hitelminősítő pontszámok lehetővé teszik a hitelezők számára, hogy meghatározzák azt a valószínűséget, amellyel a hitelfelvevő vissza fogja fizetni a kölcsönt a megállapított feltételek szerint. A hitelezők és a hitelfelvevők számára egyaránt fontos, hogy ezek a hitelminősítések megbízhatóak és pontosak legyenek.
Számos tanulmány vizsgálja a hitelminősítő algoritmusokat és hasonlítja ös�sze teljesítményüket (például Fraisse–Laporte 2022; Estran et al. 2022; Ahmed 2023; Wang et al. 2023; Song et al. 2023). A hitelminősítő algoritmusok két nagy csoportját különíti el a szakirodalom: a hagyományos módszereket és a mesterséges intelligencia alapú hitelminősítő algoritmusokat. Jagtiani és Lemieux (2019) szerint több különbség van a módszerek között. A mesterséges intelligencia alapú módszerek általában képesek nagyobb és összetettebb adathalmazokkal dolgozni.
Ezek az algoritmusok hatékonyan ki tudják használni az adatokban rejlő összefüggéseket és mintákat. Gyakran jobb teljesítményt nyújtanak a hagyományos módszereknél, mivel képesek bonyolultabb mintákat észlelni. Ez pontosabb és hatékonyabb eredményeket jelenthet a hitelminősítés során. A hagyományos módszerek eredményei könnyebben értelmezhetőek, valamint magyarázhatóak, mivel matematikai modellek alapján működnek.
A hagyományos hitelminősítő algoritmusok az 1970-es években kezdtek elterjedni. Ezek az algoritmusok általában statisztikai modelleken és számítógépes programokon alapulnak, amelyek az ügyfelek pénzügyi adatait és egyéb tényezőket elemzik a hitelképességük meghatározása során. Fraisse és Laporte (2022) szerint a hagyományos módszerek általában statisztikai modellek vagy szabályalapú rendszerek, amelyek előre definiált szabályok vagy paraméterek alapján döntenek. Ezek a módszerek általában nem tudnak adaptálódni az új adatokhoz vagy változó környezeti feltételekhez. A hitelkockázat területén leggyakrabban használt statisztikai módszerek a logisztikus regresszió és a Lasso regresszió.
Dumitrescu et al. (2022) szerint a logisztikus regresszió valószínűségi alapú osztályozást alkalmaz arra, hogy előrejelezze, hogy egy ügyfél képes lesz-e törleszteni a hitelt vagy sem. A logisztikus regresszió használható azoknál a hitelezési platformoknál, amelyeknél a nemteljesítések azonosítási pontosságának javítása a cél, valamint annak megállapítása, hogy a hitel késedelmes-e.
A mesterséges intelligencia alapú hitelminősítő algoritmusok az elmúlt 10 évben terjedtek el (Zhou et al. 2019). Ezek az algoritmusok összetettebb adatelemzést végeznek, és képesek nagyobb adatmennyiségeket és változatosabb adatforrásokat feldolgozni, mint például a közösségi média aktivitás vagy az online vásárlási szokások. Fraisse és Laporte (2022) tanulmányozták a különbségeket a mesterséges intelligencia alapú algoritmusok és hagyományos módszerek között a hitelminősítés esetén. A módszerek közötti fő különbség a flexibilitás és az adatok elemzésének mélysége.
Dzik-Walczak és Heba (2021) összehasonlította a logisztikus regresszió és a döntési fa teljesítményét. Az elemzésben használt adatbázis a Lending Club oldaláról származik, a 2011 és 2013 közötti periódusra vonatkozik. Megállapították, hogy a logisztikus regresszió jobb eredményt ért el, mint a döntési fán alapuló hitelkockázati modell. Ugyancsak a logisztikus regresszió és a döntési fa teljesítményét hasonlította össze Jagtiani és Lemieux (2019), akik megerősítik az előbbi eredményt.
Wang et al. (2022) a magánszemélyek hitelkockázati jellemzőit vizsgálták logisztikus regresszióval, valamint XGBooston alapuló diszkriminációs modellel.
A nemteljesítések közötti megkülönböztetések, a minél pontosabb eredmény eléréséhez, XGBoosttal történtek. A logisztikus regresszió esetén volt a legmagasabb az AUC értéke és a legnagyobb pontossággal rendelkezett. Arra a következtetésre jutottak, hogy az XGBooston alapuló hitelkockázat-értékelési modell nagyon jó nemteljesítési megkülönböztető képességgel és robusztussággal rendelkezik.
Zhou et al. (2019) egy véletlen erdő algoritmuson alapuló osztályozási módszert vizsgáltak, majd hasonlították össze az eredményeit egy XGBoost algoritmussal. Ha a hitelező nagyon alacsony elfogadási szintet alkalmaz, vagyis nagyon kis kockázatot vállal, akkor a véletlen erdő hatékonysága csökken. Ez azt jelenti, hogy a módszer kevésbé lesz pontos vagy megbízható az alacsonyabb elfogadási szinteken. A költségérzékenység figyelembevétele esetén sem sikerült jelentősen javítani a módszer nemteljesítő hitelfelvevők azonosítására vonatkozó képességét. Ágoston (2022b) az SVM-módszert hasonlította össze a neurális hálóval, valamint a véletlen erdővel. Az AdaBoostot és a Bagginget használta az adatok kiegyensúlyozásához, elemzéséhez, valamint rendezéséhez. Az SVM több mint 5%-kal magasabb osztályozási pontosságot ért el az elemzett adatbázison.
Megállapította, hogy a csődelőrejelzésben a fejlődés leginkább a mesterséges intelligenciának, valamint a gépi tanulásnak köszönhető.
A hitelminősítés területén egyre nagyobb szerepet kapnak a modern algoritmusok, mint például a neurális hálózatok, transzformerek és természetes nyelvfeldolgozási (NLP) modellek, mivel jelentős előrelépést jelentenek a hagyományos statisztikai és gépi tanulási módszerekhez képest. A neurális hálózatok képesek komplex mintázatok felismerésére, ami hasznos a hitelminősítés során, ahol számos változó kölcsönhatását kell figyelembe venni. A mélytanulási technikák, mint a visszacsatolt neurális hálózatok, lehetővé teszik nagy mennyiségű adat feldolgozását és az adatok közötti rejtett összefüggések feltárását, ami különösen előnyös a nemlineáris kapcsolatok felismerésében.
Wang és Xiao (2022) szerint a transzformerek, amelyeket eredetileg a természetes nyelvfeldolgozásban alkalmaztak, egyre inkább beépülnek a hitelminősítés területére is. Ezek a modellek hatékonyan kezelik a szekvenciális adatokat és képesek hosszú távú kapcsolatok azonosítására, ami lehetőséget biztosít arra, hogy a hitelminősítési folyamatban figyelembe vegyék az időben változó adatokat, például az ügyfél hiteltörténetének alakulását.
Az NLP-modellek különösen hatékonyak, amikor nem strukturált adatokat, például szöveges értékeléseket vagy ügyfélpanaszokat kell elemezni. Ezek a modellek lehetővé teszik, hogy a hitelminősítési folyamatba integrálják az ilyen típusú információkat is, ezáltal növelve a modellek előrejelző képességét. Az NLP-technikák segítségével a szöveges adatok elemzése révén még teljesebb képet kaphatunk egy hitelfelvevő kockázatosságáról Alonso Robisco és Carbo Martinez (2022) alapján.
Az elmúlt években a kutatások arra a következtetésre jutottak, hogy számos hitelkockázat-értékelési területen a mélytanulás felülmúlja a hagyományos gépi tanulási módszereket, és az osztályozók együttesen jelentősen jobban teljesítenek, mint az egyes osztályozók (Shen et al. 2021). Xia et al. (2017) kutatása az együttes gépi tanulásra épül, amely több technika kombinációja, amelynek teljesítménye jobb, mint az egyes technikáké külön-külön. Ezen túl arra is kitérnek, hogy ezek a modellek hogyan használhatók fel hatékonyan a hitelminősítésben.
Emellett a hibrid modellek, amelyek többféle algoritmust ötvöznek, pontosságuk miatt egyre népszerűbbek.
Rudin (2019) a modern hitelminősítő modellek átláthatóságának és magyarázhatóságának a fontosságát elemzi, főként a mélytanulási algoritmusok esetében, amelyek gyakran fekete doboz módszereket alkalmaznak. Kiemeli a magyarázható mesterséges intelligencia (XAI) jelentőségét, amely növelheti a hitelminősítési modellekbe vetett bizalmat.
Adatok és módszertan
Ebben a fejezetben bemutatom az elemzésben használt adatbázist és az adattisztítási folyamatot, amely magába foglalja a nem releváns változók törlését, a változók transzformációját, a hiányzó és kiugró értékek kezelését és az alulmintavételezést. Az adatok bemutatása után az elemzésben használt módszerekre is kitérek.
Wang et al. (2021) szerint a Lending Club egy olyan peer-to-peer hitelnyújtó vállalat, amely egy online platformon keresztül hozza össze a hitelfelvevőket a befektetőkkel. Olyan személyeknek nyújt hitelt, akiknek 1000 és 40 000 dollár közötti személyi kölcsönre van szükségük. A hitelfelvevők a kölcsön teljes összege és a kezelési költség közötti különbséget megkapják. A befektetők a személyi kölcsönökkel fedezett kötvényeket vásárolnak és a Lending Clubnak szolgáltatási díjat fizetnek. A vállalat megosztja a platformján keresztül bizonyos időszakokban kibocsátott összes hitel adatait.
Az 1. ábrán látható, hogy az elmúlt években hány új kölcsön került fel a Lending Club oldalára. Az adatokból látszik a P2P-hitelezés dinamikus fejlődése.
Forrás: Saját szerkesztés a Lending Club adatai alapján
1. ábra: A Lending Club által folyósított hitelek száma, 2016–2022
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
A számlák száma.
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
A jelenleg késedelmes számlák száma.
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Leírás
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Forrás: A Kaggle-ről származó változók magyarázata
Minden változó esetén megvizsgáltam a kiugró értékeket, valamint a hiányzó értékeket. Egyik változó sem tartalmazott hiányzó értékeket, viszont kiugró értékeket találtam több változó esetében is. A kiugró értékek kezelése fontos lépés az adatelemzés során, mivel ezek jelentősen befolyásolhatják a modellezés eredményét. A kiugró értékek azok az adatok, amelyek jelentősen eltérnek a többi adatponttól, és gyakran torzíthatják a statisztikai elemzéseket, például a modellek pontosságát és megbízhatóságát. Kiugró értékeknek azokat az értékeket tekintettem, amelyek meghaladják a felső kvartilis (Q3) és az interkvartilis terjedelem (IQR) másfélszeresének az összegét. A jövedelem változó esetében a 170 900 USD feletti értékeket szűrtem ki (2913 megfigyelés). Az adózáskötelezettségi arány a havi törlesztőrészlet változó esetében a 44,39% feletti értékeket, a számlák száma változó esetében a 23 darab feletti értékeket szűrtem ki. A rulírozó hiteleknél felhasznált hitelösszeg esetében a 122,05 USD volt a küszöbérték, a hitelező hitelkereteinek felső határa esetében pedig a 82 800 USD. A hitelfelvevő hitelszámlának száma esetében az 5 darab hitelszámla feletti értékeket szűrtem ki. A 2. táblázat tartalmazza a változókat, a küszöbértéket a kiugró értékek esetén, és az ezt meghaladó megfigyelések számát.
A kiugró értékeket kitöröltem az adatbázisból. 2. táblázat: Kiugró értékek elemzése Változó annual_inc (jövedelem) dti (adósság arány havi törlesztéssel) open_acc (számlák száma) revol_util (rulírozó hitelhez felhasznált hitelösszegarány) total_rev_hi_lim (hitelkeret felső határa) total_cu_tl (hitelszámlaszámok) delinq_amnt (késedelmi számlák száma) mo_sin_rcnt_rev_tl_op (rulírozó hitelkeret megnyitásának napja)
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Forrás: Saját szerkesztés
A mennyiségi változók leíró statisztikáit a 3. táblázat tartalmazza.
A hitel státusza változónak hat értéke volt az eredeti adatbázisban (teljesen visszafizetve, leírásra került, folyamatban levő, türelmi időben levő, 16–30 nap közötti késedelemmel rendelkezik, 31–120 nap közötti késedelemmel rendelkezik), az elemzés szempontjából ezek közül kettő volt releváns (a teljesen vis�szafizetett és a nemteljesítő hitelek), a másik négy értéket eltávolítottam az adatbázisból. A hitel státusza változóból létrehoztam így a nemteljesítés változót. A nemteljesítés változó bináris változó: a 0 érték a teljesítő hiteleket, az 1-es érték a nemteljesítő hiteleket jelöli, amint az a 4. táblázatban is látható.
Az adattisztítás után az adatbázis 13 182 olyan ügyfél adatát tartalmazta, aki visszafizette a hitelt, illetve 3904 nemteljesítő ügyfél adatát.
3. táblázat: A mennyiségi változók leíró statisztikái Változó
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Forrás: Saját számítás
4. táblázat: Hitelek száma az átalakítások előtt és után
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Forrás: A Lending Club oldaláról származó adatok alapján saját szerkesztés
Módszertan
Az adatbázis tisztítása után a logisztikus regresszió, a döntési fa, valamint a véletlen erdő teljesítményét hasonlítottam össze.
Logisztikus regresszió
Chang et al. (2022) szerint a leggyakrabban használt statisztikai módszer a nemteljesítési valószínűség becslésére a logisztikus regresszió. A függő változó bináris, 0 az értéke a jól teljesítő ügyfelek esetén, 1 pedig a nemteljesítő ügyfelek esetén. A bináris logisztikus regresszió alakja a következő:
P(y = 1|x1, ... ..., xk) = T (β0 + β1x1 + ... ... + βkxk + ε),
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
ahol y egy bináris függő változó, amely értéke 0 vagy 1. Az x-ek a független változók, amelyeket a T függvény leképez valós számokra 0 és 1 között, úgy, hogy a becsült érték [0,1] közötti legyen. Az ε a hibatagot jelöli. A következő egyenlet mutatja, hogy a T függvény hogyan képezi le ezeket az értékeket:
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Ezt követően definiálásra került π(x) = P (y = 1|x), amely a következő:
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Majd a log-likelihood függvény maximalizálásával becsüljük az együtthatókat. Brimacombe (2016) szerint a log-likelihood a bemeneti adatokra való illesztésének a mértéke, valamint azt mutatja, mennyire valószínű, hogy a modell előrejelzi a megfigyelt adatokat.
Wilkinson et al. (2022) szerint az esélyhányadosok (odds ratios) hasznosak a logisztikus regresszió eredményeinek az értelmezésében. Az esélyhányadosok segítségével könnyebben lehet értelmezni, hogy a különböző független változók milyen mértékben és irányban befolyásolják a nemteljesítési valószínűséget.
A βj együttható esélyhányadosa a következőképpen számítható ki:
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Az esélyhányadosok megmutatják, hogy egy egységnyi növekedés az xj független változóban hogyan befolyásolja az esélyeket, annak érdekében, hogy a függő változó y értéke 1 legyen. Ha az esélyhányados nagyobb, mint 1, akkor a növekedés az xj változóban fogja növeli annak az esélyét, hogy y=1 legyen. Ha az esélyhányados kisebb, mint 1, akkor a növekedés az xj változóban csökkenteni fogja az esélyét annak, hogy y=1 legyen.
Döntési fa
Chang et al. (2022) szerint a döntési fa egy prediktív modell, amely egy fa struktúráját használja az adatok osztályozására vagy regressziójára. A döntési fa kezdetben egy gyökér csomópontból indul ki, amely tartalmazza az összes rendelkezésre álló adatot. Ezután az algoritmus kiválaszt egy attribútumot, amely felhasználva felosztja az adatokat különböző ágakra. A felosztások az attribútum értékétől függenek, és ezzel a fa növekszik, ahogy haladunk lefelé a gyökértől a levelekig. A döntési fa folytatja az attribútumok felosztását minden új ágon, és rekurzív módon halad lefelé a fa struktúrájában. Amikor elér egy leállási feltételt, például a fa maximális mélységét, az adatok egy bizonyos számú csoportra való felosztását vagy más előre meghatározott feltételeket, akkor leveleket hoz létre.
Ezek a levelek tartalmazzák az osztályozás vagy regresszió eredményeit.
Kim et al. (2019) szerint a döntési fa előnyei közé tartozik az egyszerűség és az érthetőség, mivel könnyen értelmezhető és magyarázható az eredménye.
Azonban figyelembe kell venni, hogy hajlamos lehet az overfittingre, különösen bonyolult adathalmazokon. Emellett fontos az optimális paraméterezés és a túltanulás elleni védelem alkalmazása annak érdekében, hogy hatékonyan működjön az adott probléma megoldása során.
Véletlen erdő
Teply és Polena (2020) szerint a véletlen erdő egy olyan együttes tanulási módszer, amelynek célja, hogy kezelje azt a problémát, hogy a döntési fák könnyen szabálytalan mintává válnak, ha több elágazásuk van. Ez a jelenség túlillesztéshez vezethet, mivel a variancia minden esetben magas lesz, még akkor is, ha alacsony az eltérés. A véletlen erdők olyan értéket konstruálnak, amelyek minimálisan eltérnek a döntési fáktól, hogy csökkentsék a variancia hatását. Ez a minimális eltérés a mintavételezésben nyilvánul meg. Általánosságban elmondható, hogy több döntési fával az előrejelzések eredményei pontosabbak lehetnek, ami egy jobb modellstabilitást jelent. Ez azonban hosszabb képzési időt is jelent, ezért a modell teljesítményének elérésekor figyelembe vesszük az egyensúlyt a képzési idő és a modell stabilitása között.
A modellek teljesítmények összehasonlítására használt módszerek
A hitelminősítő algoritmusok teljesítményének összehasonlítására és értékelésére több módszer alkalmazható, amelyek segítenek meghatározni, hogy az egyes algoritmusok mennyire pontosak és megbízhatóak a nemteljesítő és jól teljesítő ügyfelek előrejelzésében. Az általam használt módszerek a klasszifikációs mátrix, az AUROC (AUC) és ROC görbe.
A klasszifikációs mátrix négy elemet tartalmaz, amelyek alapján mérhető az algoritmus teljesítménye. Ez a négy elem a következő: az igaz pozitív arány (true positive rate) azoknak az ügyfeleknek az aránya, akik ténylegesen nemteljesítők és a modell helyesen azonosította őket; az igaz negatív arány (true negative rate) azoknak az ügyfeleknek az aránya, akik ténylegesen teljesítők és a modell helyesen azonosította őket; a téves pozitív arány (false positive rate) azoknak az ügyfeleknek az aránya, akik teljesítők, de a modell tévesen nemteljesítőnek minősítette őket; valamint a téves negatív arány (false negative rate) azoknak az ügyfeleknek az aránya, akik nemteljesítők, de a modell tévesen teljesítőnek minősítette őket.
A klasszifikációs mátrix alapján kiszámíthatóak a következő mutatók: a pontosság (accuracy), amely az összes helyesen osztályozott ügyfél aránya az összes ügyfélhez viszonyítva; az érzékenységi mutató (sensitivity), amely azt mutatja, hogy a pozitív osztályba tartozó megfigyelések mekkora százaléka van helyesen azonosítva. A specificitás (specificity) mutató, ami azt jelzi, hogy a negatív osztályba tartozó megfigyelések hány százalékban lettek helyesen azonosítva.
Shi et al. (2019) szerint az AUROC (AUC), vagyis a Receiver Operating Characteristic (ROC) görbe alatti terület, egy fontos mérőszám a klasszifikációs modellek teljesítményének értékelésére. A ROC görbe az algoritmus érzékenységét (sensitivity) ábrázolja a téves pozitív aránnyal különböző küszöbértékek mellett. A görbe alatti terület (AUC vagy AUROC) azt mutatja meg, hogy az algoritmus mennyire jól tud különbséget tenni a nemteljesítő és a teljesítő ügyfelek között. Ez az érték 0,5 és 1 között mozog, minél kisebb, annál rosszabbul teljesít a modell, minél közelebb van 1-hez, annál jobban teljesít a modell.
Eredmények
A változók közötti összefüggéseket vizsgáltam annak érdekében, hogy megállapítsam, hogy a nemteljesítés változót milyen tényezők befolyásolják.
A khi-négyzet próbát használtam a minőségi változók esetén és a t-tesztet a men�nyiségi változók esetén. A tesztek eredményei a mellékletben találhatók. A táblázatban fel van tüntetve a változók neve, a t, illetve a χ2 statisztika értéke, valamint a szignifikanciaszint (p). Abban az esetben, ha a szignifikanciaszint kisebb 0,05nél, kapcsolat mutatható ki az adott változó és a nemteljesítés között.
Tanuló és teszt adatbázis
Az adatbázist véletlenszerűen felosztottam tanuló és teszt adatbázisra. A felosztást követően az eredeti adatbázis 70%-a a tanuló adatbázis, 30%-a pedig a teszt adatbázis lett. A tanuló adatbázison történik a modellek becslése, a teljesítményük értékelése pedig a teszt adatbázison. A tanuló adatbázis 9228 jó ügyfelet, valamint 2733 rossz ügyfelet, a teszt adatbázis pedig 3954 jó ügyfelet és 1171 rossz ügyfelet tartalmaz.
Logisztikus regresszió becslése
Első lépésben lépésenkénti (stepwise) logisztikus regressziót becsültem a nemteljesítési valószínűség becslésére a tanuló adatbázison. A stepwise logisztikus regresszió lépésről lépésre döntést hoz arról, hogy mely változókat kell hozzáadni vagy eltávolítani a modellből (Estran et al. 2022). Használata lehetővé teszi a modell automatikus optimalizálását és egyszerűsítését anélkül, hogy manuálisan döntést kellene hozni minden egyes változóról. 5. táblázat: A nemteljesítési valószínűséget befolyásoló tényezők a logisztikus regresszió alapján
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Forrás: Saját számítás
A minősítés (grade), a jelenleg használt aktív rulírozó hitelszámlák száma (num_actv_rev_tl), a lakástulajdon típusa (home_ownership), a hitel hossza (term), az összes rendelkezésre álló hitelkeret felső határa (total_rev_hi_lim), a hitel összege (loan_amnt), az éves bevétel (annual_inc), a FICO pontszám legkisebb értéke (fico_range_low), a megkeresések száma (inq_last_6mths), az ös�szes adósságkötelezettség aránya (dti), a jövedelem ellenőrzési állapota (verification_status), az adótartozások száma (tax_liens), valamint a hitel célja (purpose) változók bizonyultak szignifikánsnak. A logisztikus regresszió eredményeit az 5. táblázat tartalmazza.
A teszt adatbázison teszteltem a logisztikus regresszió előrejelző képességét. Az osztályozási hatékonyságot a klasszifikációs mátrix alapján vizsgáltam.
A 6. táblázat a klasszifikációs mátrixot tartalmazza, amely a tényleges és logisztikus regresszió által előrejelzett értékeket mutatja. 6. táblázat: Klasszifikációs mátrix: logisztikus regresszió Előrejelzett Teljesítés (0) Nemteljesítés (1)
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Tényleges
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Forrás: Saját számítás
Az elemzés alapján a pontosság mutató értéke 0,4968, ami azt jelenti, hogy 49,68%-ban helyesen osztályozta az ügyfeleket a logisztikus regresszió. Az érzékenységi mutató 0,3832, ami azt mutatja, hogy a teljesítő osztályba tartozó ügyfelek 38,32%-a helyesen lett azonosítva. A specificitás mutató értéke 0,8804, ami azt jelzi, hogy a nemteljesítő ügyfelek 88,04%-a lett helyesen azonosítva. A pozitív előrejelzési érték 91,54%, míg a negatív előrejelzési érték 29,71%.
A ROC görbe grafikusan ábrázolja az osztályozó modell érzékenységét és specificitását különböző küszöbértékek mellett. A 2. ábra a ROC görbét szemlélteti a logisztikus regresszió esetén. Az AUC, vagyis a görbe alatti terület nagysága 0,6318, tehát a modell egy közepesen jó osztályozásba sorolható.
Ezután a WoE transzformált2 adatok segítségével is becsültem a logisztikus regressziót. Stepwise logisztikus regressziót használva megállapítottam, hogy a hitel összege (loan_amnt_woe), a futamidő (term_woe), az al-minősítés (sub_ A WoE-transzformáció lényege, hogy az adott adathalmazban lévő független változókat csoportokba rendezze a függő változó alapján, ami elősegíti az elemzést és a modellezést (Siddiqi 2012). A WoE-értékek azt mutatják meg, hogy az adott csoporthoz tartozó megfigyelések mennyire hordoznak információt a függő változó valószínűségének szempontjából. Minél magasabb a WoE-érték, annál jelentősebb és fontosabb információval rendelkezik a csoport az előrejelzések esetén.
grade_woe), a munkaviszony hossza (emp_length_woe), a lakástulajdon típusa (home_ownership_woe), az éves jövedelem (annual_inc_woe), a jövedelem ellenőrzési állapota (verification_status_woe), a lakhely (addr_state_woe), az összes adósságkötelezettség aránya (dti_woe), a legkorábbi bejelentett hitelkeret (earliest_cr_line_woe), a FICO-pontszám legkisebb értéke (fico_range_low_woe), a megkeresések száma (inq_last_6mths_woe), a hitelkeretek száma (total_acc_ woe), az összes rendelkezésre álló hitelkeret felső határa (total_rev_hi_lim_woe), valamint a hitelfelvevő által jelenleg használt aktív rulírozó hitelszámlák száma (num_actv_rev_tl_woe) bizonyultak szignifikánsnak a nemteljesítés előrejelzésében. Az eredmények a 7. táblázatban láthatóak.
Forrás: Saját szerkesztés
2. ábra: ROC görbe: logisztikus regresszió
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Változó
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Forrás: Saját számítás
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Tényleges
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Forrás: Saját számítás
Az elemzés alapján 50,26%-ban helyesen osztályozta az ügyfeleket a logisztikus regresszió WoE-transzformációval. A teljesítő ügyfelek 39,25%-a, míg a nemteljesítő ügyfelek 87,45%-a lett helyesen azonosítva a modell által. A pozitív előrejelzési érték 91,35%, míg a negatív előrejelzési érték 29,89%.
Az AUC értéke 0,6335, tehát a modell hasonlóan különbözteti meg a teljesítő és nemteljesítő ügyfeleket az adott adathalmazon, mint a nem transzformált adatokon becsült logisztikus regresszió. A ROC görbe a 3. ábrán látható.
Forrás: Saját szerkesztés
3. ábra: ROC görbe: logisztikus regresszió WoE-transzformációval
Döntési fa
A döntési fát alul-mintavételezéssel használtam az első lépésben. Moscato et al. (2021) szerint az alul-mintavételezés kiegyensúlyozottabbá teszi az adatokat, ami segíti abban, hogy ne csak a többségi osztályra optimalizáljon. Ez javítja a modell pontosságát, az osztályozó helyes előrejelzéseinek aránya sokkal pontosabb lesz. Létrehoztam az alul-mintavételezett tanuló adatbázist, amelyben 2951 jó ügyfél, valamint 2733 rossz ügyfél volt.
Meghatároztam az X-relative error értékét is, amely megmutatja, hogy a keresztvalidáció során mért elemzés szerint a fa mennyire teljesít jól az adott adathalmazon. Minél kisebb az érték, annál jobban általánosítható a kapott döntési fa. Ezt követően a kapott értékkel metszettem a döntési fát, eredményképpen azt kaptam, hogy amennyiben a hitel A vagy B minősítésbe lett besorolva, a nemteljesítés valószínűsége 0,32, tehát 32% volt. A C minősítésű hitelek esetén a lakástulajdon változó is figyelembe lesz véve. A CP-értékkel metszett döntési fa a 4. ábrán figyelhető meg.
Forrás: Saját szerkesztés
4. ábra: Metszett alul-mintavételezett döntési fa
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Forrás: Saját szerkesztés
65,25%-ban helyesen osztályozta az ügyfeleket az alul-mintavételezett döntési fa. A teljesítő ügyfelek 62,25%-a, a nemteljesítő osztályba tartozó ügyfelek 66,14%-a lett helyesen azonosítva. A klasszifikációs mátrix után megrajzoltam a ROC görbét, amely az 5. ábrán látható. Az AUC értéke 0,642, tehát a modell egy közepesen jó osztályozásba sorolható.
Forrás: Saját szerkesztés
5. ábra: ROC görbe: döntési fa alul-mintavételezéssel
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Tényleges
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Forrás: Saját szerkesztés
Az elemzés alapján 65,25%-ban helyesen osztályozta az ügyfeleket a döntési fa. Az érzékenység mutató 0,6225, a specificitás mutató értéke 0,6614. A pozitív előrejelzési érték 35,25%, míg a negatív előrejelzési érték 85,54%. A 6. ábra a ROC görbét mutatja a döntési fa esetében. Az AUC, vagyis a görbe alatti terület 0,5866, tehát a modell egy gyenge osztályozásba sorolható.
Forrás: Saját szerkesztés
6. ábra. ROC görbe: döntési fa veszteségmátrix bevonásával
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Forrás: Saját szerkesztés
7. ábra: Döntési fa előzetes valószínűségek megváltoztatásával
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Tényleges
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Forrás: Saját szerkesztés
A döntési fa 69,31%-ban helyesen osztályozta az ügyfeleket. A teljesítő ügyfelek 52,35%-a helyesen lett azonosítva. A specificitás mutató értéke 0,7433, ami azt jelzi, hogy a nemteljesítő ügyfelek 74,33%-a lett helyesen azonosítva. A pozitív előrejelzési érték 37,65%, míg a negatív előrejelzési érték 84,04%. A ROC görbe a 8. ábrán látható.
Az AUC értéke 0,6334, azaz a modell egy közepesen jó osztályozásba sorolható. Tehát az előzetes valószínűségek megváltoztatásával készült döntési fa esetén jobb eredményt kaptam, mint a veszteségmátrix bevonása esetén, de rosszabb eredményt, mint az alul-mintavételezés során.
Forrás: Saját szerkesztés
8. ábra: ROC görbe: döntési fa előzetes valószínűségek megváltoztatásával
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Forrás: Saját szerkesztés
A véletlen erdő 77,40%-ban helyesen osztályozta az ügyfeleket. A nemteljesítő ügyfelek 6,66%-a, a teljesítő ügyfelek 98,28%-a lett helyesen azonosítva.
Az AUC értéke 0,7009, tehát a modell egy jó osztályozásba sorolható. A 9. ábra a ROC görbét mutatja a véletlen erdő esetén.
Forrás: Saját szerkesztés
9. ábra: ROC görbe: véletlen erdő
Annak érdekében, hogy jobban össze lehessen hasonlítani a modelleket, a 10. ábrán látható az összes becsült modell ROC görbéje.
Forrás: Saját szerkesztés
10. ábra: ROC görbék: összehasonlítás
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
13. táblázat: Összefoglaló táblázat
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Forrás: Saját számítás
Következtetések
A P2P-hitelezés egyre népszerűbbé válik mind a hitelfelvevők, mind a hitelezők számára. Az egyedi hitelkérelmek növekedésével egyre fontosabb lesz a hitelkockázat értékelése. A hagyományos módszereket használók egyre nagyobb kihívásokkal szembesülnek a változó gazdasági környezet és az adatok bősége miatt. Az új technológiák jó alternatívát kínálnak a hagyományos modellek mellett. A tanulmány azt vizsgálja, hogy az új technológiák képesek-e javítani a hitelminősítő intézmények hatékonyságát és eredményességét a hitelezési döntéshozatal folyamatában. Klasszifikációs mátrix és ROC görbe, valamint AUROC segítségével vizsgáltam a logisztikus regresszió, döntési fa és véletlen erdő teljesítményét. Az eredmények alapján a véletlen erdő teljesített a legjobban.
A kutatás egyik korlátja a felhasznált adathalmaz minősége és mérete, amely befolyásolhatja az algoritmusok pontosságát és általánosíthatóságát. Az eredmények alátámasztják, hogy a különböző algoritmusok paraméterezése és finomhangolása szintén jelentős hatással van az eredményekre, amelyeket a hitelminősítési folyamatok optimalizálására és automatizálására lehet felhasználni, különösen a pénzügyi intézményeknél, amelyek számára fontos a kockázatkezelés és a hitelképesség pontos értékelése. A mesterséges intelligencia alapú algoritmusok alkalmazása növelheti a prediktív pontosságot és hatékonyságot, ezáltal javítva a pénzügyi döntéshozatal minőségét.
A tanulmány eredményeit összehasonlítottam a más cikkekben lévő eredményekkel. Az AUC legjobb értéke 0,700 a véletlen erdő esetén volt az elemzésben. A szakirodalomban, főként a modern gépi tanulási modelleknél gyakran találkozhatunk ennél magasabb AUC-értékekkel, akár 0,8 vagy magasabb is lehet egy jól optimalizált modell esetében. Ez arra utalhat, hogy a modell érzékenysége (sensitivity) és specificitása (specificity) nem a legoptimálisabb. A véletlen erdő modellnél mért 77,40%-os pontosság közelít a cikkek eredményeihez, de magasabb értékek is elérhetők megfelelő adatkezeléssel és modell-finomhangolással. A szakirodalomban gyakran találni olyan modelleket, amelyeknél a pontosság 80% fölött van, különösen kiegyensúlyozott adatok esetén. A logisztikus regres�sziónál és a döntési fáknál az érzékenység értékei viszonylag alacsonyak (38– 66% körüliek), míg a specifikusság viszonylag magas. A szakirodalomban előfordul, hogy a kiegyensúlyozott adatok alapján felépített modelleknél mindkét érték magasabb, jelezve, hogy a modellek jobban tudják azonosítani mind a pozitív, mind a negatív osztályokat.
A kutatás javítható az adathalmaz méretének növelésével. Nagyobb adatbázis esetén a mintázatok jobb felismerésére képesek a modellek, ami javíthatja a modell teljesítményét. Az adatok kiegyensúlyozása, például felül-mintavételezés, alul-mintavételezés vagy szintetikus adatok generálása által javíthatja a modell érzékenységét. Fejlettebb modellek alkalmazása is segíthet a pontosság növelésén, a mélytanulási technikák, például a transzformer alapú modellek, sokszor jobban teljesítenek komplex mintázatok felismerésében. A hagyományos modellek fejlett algoritmusokkal való kombinálása is vezethet az eredmények pontosságának növeléséhez.
Irodalomjegyék
Ágoston, N. 2022a. Mesterséges intelligencia és gépi tanulási módszerek a vállalati fizetésképtelenség becslésére. Statisztikai Szemle 100(6), 584–609. https://doi. org/10.20311/stat2022.6.hu0584 Ágoston, N. 2022b. Külföldi csődelőrejelző módszerek szisztematikus irodalomelemzése. Vezetéstudomány 53(1), 69–89. https://doi.org/10.14267/VEZTUD.2022.01.06 Ahmed, S. E. 2023. Determinants of Credit Ratings and Comparison of the Rating Prediction Performances of Machine Learning Algorithms. In E3S Web of Conferences 409, 05013. EDP Sciences. https://doi.org/10.1051/e3sconf/202340905013 Alonso Robisco, A.–Carbo Martinez, J. M. 2022. Measuring the model risk-adjusted performance of machine learning algorithms in credit default prediction. Financial Innovation 8(1), 70. https://doi.org/10.1186/s40854-022-00366-1
Berger, E. A.–Butler, A. W.–Hu, E.–Zekhnini, M. 2021. Financial integration and credit democratization: Linking banking deregulation to economic growth. Journal of Financial Intermediation 45, 100857. https://doi.org/10.1016/j.jfi.2020.100857 Brimacombe, M. 2016. Large sample convergence diagnostics for likelihood based inference: Logistic regression. Statistical Methodology 33, 114–130, https://doi. org/10.1016/j.stamet.2016.08.001 Chang, A. H.–Yang, L. K.–Tsaih, R. H.–Lin, S. K. 2022. Machine learning and artificial neural networks to construct P2P lending credit-scoring model: A case using Lending Club data. Quantitative Finance and Economics 6(2), 303–325. https://doi. org/10.3934/QFE.2022013 Dumitrescu, E.–Hué, S.–Hurlin, C.–Tokpavi, S. 2022. Machine learning for credit scoring: Improving logistic regression with non-linear decision-tree effects.
European Journal of Operational Research 297(3), 1178–1192. https://doi.org/10.1016/j. ejor.2021.06.053 Dzik-Walczak, A.–Heba, M. 2021. An implementation of ensemble methods, logistic regression, and neural network for default prediction in Peer-to-Peer lending.
Zbornik radova Ekonomskog fakulteta u Rijeci: časopis za ekonomsku teoriju i praksu 39(1), 163–197.
Estran, R.–Souchaud, A.–Abitbol, D. 2022. Using a genetic algorithm to optimize an expert credit rating model. Expert Systems with Applications 203, 117506. https://doi. org/10.1016/j.eswa.2022.117506 Fraisse, H.–Laporte, M. 2022. Return on investment on artificial intelligence: The case of bank capital requirement. Journal of Banking & Finance 138, 106401. https://doi. org/10.1016/j.jbankfin.2022.106401 Jagtiani, J.–Lemieux, C. 2019. The roles of alternative data and machine learning in fintech lending: evidence from the LendingClub consumer platform. Financial Management 48(4), 1009–1029. https://doi.org/10.1111/fima.12295 Kgoroeadira, R.–Burke, A.–Di Pietro, F.–van Stel, A. 2023. Determinants of firms’ default on unsecured loans in the P2P crowdfunding market. Journal of International Financial Markets, Institutions and Money 89, 101882. https://doi. org/10.1016/j.intfin.2023.101882 Milne, A.–Parboteeah, P. 2016. The Business Models and Economics of Peer-to-Peer Lending, ECRI Papers 11594, Centre for European Policy Studies.
Moscato, V.–Picariello, A.–Sperlí, G. 2021. A benchmark of machine learning approaches for credit score prediction. Expert Systems with Applications 165, 113986. https://doi.org/10.1016/j.eswa.2020.113986 Pang, S.–Hou, X.–Xia, L. (2021). Borrowers’ credit quality scoring model and applications, with default discriminant analysis based on the extreme learning machine. Technological Forecasting and Social Change 165, 120462. https://doi.org/10.1016/ j.techfore.2020.120462
Rudin, C. 2019. Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead. Nature machine intelligence 1(5), 206– 215. https://doi.org/10.1038/s42256-019-0048-x Shen, F.–Zhao, X.–Kou, G.–Alsaadi, F. E. 2021. A new deep learning ensemble credit risk evaluation model with an improved synthetic minority oversampling technique.
Applied Soft Computing 98, 106852. https://doi.org/10.1016/j.asoc.2020.106852 Shi, B.–Zhao, X.–Wu, B.–Dong, Y. 2019. Credit rating and microfinance lending decisions based on loss given default (LGD). Finance Research Letters 30, 124–129. https://doi.org/10.1016/j.frl.2019.03.033 Siddiqi, N. 2012. Credit risk scorecards: developing and implementing intelligent credit scoring Vol. 3. John Wiley & Sons.
Song, Y.–Wang, Y.–Ye, X.–Zaretzki, R.–Liu, C. 2023. Loan default prediction using a credit rating-specific and multi-objective ensemble learning scheme. Information Sciences 629, 599–617. https://doi.org/10.1016/j.ins.2023.02.014 Stern, C.–Makinen, M.–Qian, Z. 2017. FinTechs in China–with a special focus on peer to peer lending. Journal of Chinese Economic and Foreign Trade Studies 10(3), 215– 228. https://doi.org/10.1108/JCEFTS-06-2017-0015 Teply, P.–Polena, M. 2020. Best classification algorithms in peer-to-peer lending. The North American Journal of Economics and Finance 51, 100904. https://doi.org/10.1016/j. najef.2019.01.001 Wang, D.–Chen, Z.–Florescu, I.–Wen, B. 2023. A sparsity algorithm for finding optimal counterfactual explanations: Application to corporate credit rating. Research in International Business and Finance 64, 101869. https://doi.org/10.1016/j.ribaf.2022.101869 Wang, C.–Xiao, Z. 2022. A deep learning approach for credit scoring using feature embedded Transformer. Applied Sciences 12(21), 10995. https://doi.org/10.3390/ app122110995 Wang, H.–Kou, G.–Peng, Y. 2021. Multi-class misclassification cost matrix for credit ratings in peer-to-peer lending. Journal of the Operational Research Society 72(4), 923934. https://doi.org/10.1080/01605682.2019.1705193 Wang, K.–Li, M.–Cheng, J.–Zhou, X.–Li, G. 2022. Research on personal credit risk evaluation based on XGBoost. Procedia computer science 199, 1128–1135. https://doi. org/10.1016/j.procs.2022.01.143 Wilkinson, J. D.–Mamas, M. A.–Kontopantelis, E. 2022. Logistic regression frequently outperformed propensity score methods, especially for large datasets: a simulation study. Journal of Clinical Epidemiology 152, 176–184. https://doi.org/10.1016/ j.jclinepi.2022.09.009 Xia, Y.–Liu, C.–Li, Y.–Liu, N. 2017. A boosted decision tree approach using Bayesian hyper-parameter optimization for credit scoring. Expert Systems with Applications 78, 225–241. https://doi.org/10.1016/j.eswa.2017.02.017
Zhao, C.–Li, M.–Wang, J.–Ma, S. 2021. The mechanism of credit risk contagion among internet P2P lending platforms based on a SEIR model with time-lag. Research in International Business and Finance 57, 101407. https://doi.org/10.1016/j.ribaf.2021.101407 Zhou, J.–Li, W.–Wang, J.–Ding, S.–Xia, C. 2019. Default prediction in P2P lending from high-dimensional data based on machine learning. Physica A: Statistical Mechanics and its Applications 534, 122370. https://doi.org/10.1016/j.physa.2019.122370
Táblázat vagy ábra – a pontos tartalma a lapszám PDF-változatában látható.
Forrás: saját szerkesztés
A szöveget automatikusan nyertük ki a PDF-ből; a táblázatok, ábrák és a pontos tördelés a lapszám PDF-változatában láthatók.