作者
上市的：- 亚历克斯·塞奎拉·平托
- 亚历山大·泽维尔·伊瓦塔·德·卡瓦略
- 马蒂亚斯·施奈德·泰斯曼
- 亚历山大·瓦康塞洛斯·利马
摘要
本文旨在研究机器学习模型在预测金融机构信贷风险方面是否比逻辑回归更有效。通过一项实证研究，开发模型并应用可解释性技术来确定变量及其重要性之间的关系，结合使用监督机器学习，使用批发部门巴西公司的数据和经济金融指标。结果表明，具有最佳预测性能的模型是XGBoost，对于非实时数据，其精度为0.59，ROC曲线为0.97。在可解释性分析中，通过尖锐的价值，结果证实了变量的重要性和经济意义。这些发现证实了使用机器学习技术的模型预测能力的改进，并对金融文献和一般金融市场代理有用。
建议引用
Alex Cerqueira Pinto和Alexandre Xavier Ywata de Carvalho&Mathias Schneid Tessmann和Alexander Vasconcelos Lima，2024年。"机器学习模型在预测银行信贷风险方面是否比逻辑回归更有效？巴西金融市场评估,"国际货币经济与金融杂志Inderscience Enterprises Ltd，第17卷（1），第29-48页。手柄：RePEc:ids:ijmefi:v:17:y:2024:i:1:p:29-48
从出版商下载全文
由于此文档的访问受到限制，您可能希望搜索换一个不同的版本。
更正
本网站上的所有材料均由各自的出版商和作者提供。你可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:ids:ijmefi:v:17:y:2024:i:1:p:29-48。请参阅一般信息关于如何更正RePEc中的材料。
如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。
我们没有这个项目的参考书目。您可以使用这个表格。
如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者，您可能还需要检查您的RePEc作者服务个人资料，因为可能有一些引文等待确认。
有关此项目的技术问题，或更正其作者、标题、摘要、书目或下载信息，请联系：Sarah Parker（电子邮件如下）。供应商的一般联系方式：http://www.inderscience.com/browse/index.php？journalID=218。
请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。
