Vorhersage von Kreditrisiken: Neuronale Netze und SVMs im Vergleich [German]

By Aditya Wanjale and Kirti Wanjale

Die Bewertung von Kreditrisiken spielt in der Finanzbranche eine zentrale Rolle, und Vorhersagemodelle sind f r fundierte Kreditentscheidungen unerl sslich. Dieses Forschungsprojekt befasst sich mit dem Bereich der Kreditrisikobewertung, einem kritischen Aspekt der Finanzindustrie, und schl gt einen innovativen Ansatz vor, der den Algorithmus des Feed Forward Neural Network (FNN) nutzt. Das Hauptaugenmerk liegt auf dem Vergleich der Wirksamkeit des FNN-Algorithmus mit den weit verbreiteten Support Vector Machines (SVM) zur Vorhersage von Kreditrisiken. Ziel ist es, die Effektivit t des FNN-Algorithmus bei der Vorhersage von Kreditausf llen zu bewerten, um ein umfassendes Verst ndnis seiner Leistung im Vergleich zu SVM zu erlangen. Die erzielten Ergebnisse sind vielversprechend und weisen auf eine h here Genauigkeit des FNN-Modells im Vergleich zu SVM hin. Dies unterstreicht das Potenzial des FNN-Algorithmus, die Kreditrisikobewertung zu revolutionieren. Unsere Ergebnisse unterstreichen die Bedeutung des Einsatzes von KI und ML, insbesondere von neuronalen Netzen, um die Genauigkeit und Zuverl ssigkeit von Kreditrisikoprognosesystemen zu verbessern. Die beeindruckende Leistung des FNN-Modells positioniert es als Wegbereiter in diesem Bereich, da es die Genauigkeit und Zuverl ssigkeit von Kreditrisikoprognosesystemen verbessert.

• Format: Paperback
• Language: German
• ISBN: 6208638895
• ISBN13: 9786208638894
• Release Date: February 2025
• Publisher: Verlag Unser Wissen
• Length: 60 Pages
• Weight: 0.21 lbs.
• Dimensions: 0.1" x 6.0" x 9.0"