Αξιολόγηση πιστωτικής βαθμολόγησης με χρήση μηχανικής μάθησης

Φωστέρης, Εμμανουήλ; Fosteris, Emmanouil

dc.contributor.author	Φωστέρης, Εμμανουήλ	el
dc.contributor.author	Fosteris, Emmanouil	en
dc.date.accessioned	2023-03-24T09:37:18Z
dc.date.available	2023-03-24T09:37:18Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/57294
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24992
dc.rights	Default License
dc.subject	Πιστωτική βαθμολόγηση	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Λογιστική παλινδρόμηση	el
dc.subject	Δένδρα αποφάσεων	el
dc.subject	Credit Scoring	en
dc.subject	Machine Learning	en
dc.subject	Logistic Regression	en
dc.subject	Decision Trees	en
dc.title	Αξιολόγηση πιστωτικής βαθμολόγησης με χρήση μηχανικής μάθησης	el
heal.type	bachelorThesis
heal.secondaryTitle	Machine learning applications on credit scoring	en
heal.classification	Μηχανική μάθηση	el
heal.classification	Στατιστική	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-02-10
heal.abstract	Αντικείμενο της παρούσας διπλωματικής εργασίας είναι η μελέτη της πιστωτικής βαθμολόγησης με χρήση μηχανικής μάθησης. Ο σκοπός της εργασίας είναι η λεπτομερής ανάλυση των τεχνικών, των δεδομένων και η αξιολόγηση των αποτελεσμάτων τους. Στο πρώτο κεφάλαιο γίνεται μία πλήρης ανάλυση του ορισμού της πιστωτικής βαθμολόγησης καθώς και μία ιστορική αναδρομή περιγράφοντας την πορεία και την εξέλιξή της μέσα στα χρόνια. Στην συνέχεια παρουσιάζονται αναλυτικά ο ορισμός, οι στόχοι, αλλά και οι κίνδυνοι της μηχανικής μάθησης. Έπειτα περιγράφονται τα χαρακτηριστικά του κατάλληλου μοντέλου και των κατάλληλων δεδομένων. Στο επόμενο κεφάλαιο αναλύονται οι τεχνικές που θα χρησιμοποιηθούν για να αναλυθούν τα δεδομένα. Πιο συγκεκριμένα παρουσιάζεται η λογιστική παλινδρόμηση, η παλινδρόμηση κορυφογραμμής, η παλινδρόμηση λασσο, η ελαστική παλινδρόμηση και τα δένδρα απόφασης. Στο τελευταίο κεφάλαιο γίνεται μία εφαρμογή των τεχνικών που παρουσιάστηκαν στο δεύτερο κεφάλαιο σε ένα πρόβλημα πιστωτικής βαθμολόγησης με δείγμα 366 δανειζομένων, που έχει ως στόχο την πρόβλεψη της πιθανότητας αθέτησης ενός δανείου εντός μιας πενταετίας. Συμπερασματικά, τα αποτελέσματα της έρευνας κατέδειξαν πως οι συγκεκριμένες τεχνικές ήταν δυνατόν να επεξηγήσουν τα δεδομένα σε ικανοποιητικό βαθμό και δύναται να χρησιμοποιηθούν ακόμη και από χρηματοπιστωτικά ιδρύματα.	el
heal.advisorName	Καρώνη, Χρυσηίς	el
heal.committeeMemberName	Παυλοπούλου, Καλλιόπη	el
heal.committeeMemberName	Καρώνη, Χρυσηίς	el
heal.committeeMemberName	Παπανικολάου, Βασίλης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών	el
heal.academicPublisherID	ntua
heal.numberOfPages	77 σ.	el
heal.fullTextAvailability	false