Combining market and accounting-based models for credit scoring using a classification scheme based on support vector machines

Niklis, Dimitrios; Doumpos, Michael; Zopounidis, Constantin

doi:10.1016/j.amc.2014.02.028

Cited by 31 publications

(25 citation statements)

References 25 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Hasonlóképp vélekednek a kérdésről Niklis-Doumpos-Zopounidis [2014] is, akik szerint a pénz-ügyi mutatók dinamikájának figyelembevétele egy fontos jövőbeli kutatási irány a csődelőrejelzésben. Munkánkban ennek megvalósítására teszünk kísérletet a Nyitrai [2014a] által javasolt dinamikus pénzügyi mutatószámok 1 egyfajta továbbfejleszté-sével.…”

Section: Munkáját)unclassified

A pénzügyi mutatók időbeli tendenciájának figyelembevétele logisztikus regresszióra épülő csődelőrejelző modellekben

Nyitrai¹,

Virág²

2017

Statisztikai Szemle

View full text Add to dashboard Cite

A vállalatok jövőbeli fizetőképességének előrejel-zésében általános gyakorlat a számviteli adatok alapján kalkulált hányados típusú pénzügyi mutatók használata magyarázóváltozóként. A hazai és a nemzetközi szakirodalom általános sajátosságának mondható az is, hogy e mutatókat csak az utolsóként megfigyelt üzleti év adatai alapján kalkulálják. Az e változókra épített modellek azonban statikus jellegűek, melyek nem veszik figyelembe a vállalati gazdálkodás folyamatjellegét. E hiány pótlására korábban Nyitrai [2014a] tett kísérletet a statikus pénzügyi mutatószámok idősorai-ból képzett dinamikus pénzügyi mutatók segítségével. Az idézett kutatás azonban csak a döntési fák vonatkozásában igazolta a dinamikus mutatók hatékonyságát a csődelőrejelzésben. A szerzők tanulmányukban bemutatják a dinamikus változók teljesítményét a gyakorlati hitelkockázati modellezésben általánosan elterjedt logisztikus regresszió keretei között, továbbá kísérletet tesznek a dinamikus pénzügyi mutatók koncepciójának továbbfejlesztésére előrejelző képességük növelése érdekében. TÁRGYSZÓ:Csődelőrejelzés. Dinamikus modell. Logisztikus regresszió.

show abstract

Section: Munkáját)unclassified

A pénzügyi mutatók időbeli tendenciájának figyelembevétele logisztikus regresszióra épülő csődelőrejelző modellekben

Nyitrai¹,

Virág²

2017

Statisztikai Szemle

View full text Add to dashboard Cite

show abstract

“…However, Niklis, Doumpos, and Zopounidis [7] and Hajek and Michalak [8] believe that a market variable is an important indicator to capture the situation of the company or particular security. As such, the market variable is included in the prediction model.…”

Section: Variable Selectionmentioning

confidence: 99%

Sukuk Rating Prediction using Voting Ensemble Strategy

Kartiwi¹,

Gunawan²,

Arundina³

et al. 2018

IJECE

View full text Add to dashboard Cite

Islamic finance development has grown into a focal point in many countries accros the globe. Sukuk, in particular, an Islamic investment product that has received growing attention from sovereigns, multinational and national organizations from both developed and emerging economies. Its uses has been aimed to finance investments in a varieties of economic activities and development projects. Despite the promising look of Sukuk, currently there is lack of studies had been to examine and predict the rating of the Sukuk. As a result, many practitioners adopted the conventional bond hence ignore the fact that these two instruments are different in nature. In order to fill the gap in the literature, it is the aim of this research to develop an ensemble model that can be used to predict Sukuk rating. The effectiveness of the proposed models were evaluated using dataset on Sukuk issuance for domestic from 2006 to 2016. The results indicate that the overall performance of the ensemble model is fall short behind the induction decision tree (IDT) model. However, the class precision of the ensemble model improved, particularly in predicting the lowest rating of Sukuk.

show abstract

“…Kosmidis and Stavropoulos (2014) have analyzed the literature studies conducted so far and have concluded that there are many studies carried out on the subject of financial distress signaling and corporate failure prediction. However, credit risk assessment and default prediction models are usually developed, as is common or for large enterprises (Altman 1968;Chesser 1974;Taffler and Tisshaw 1977;Zavgren 1985;Bekhet and Eletter 2014;Niklis et al 2014;Verbraken et al 2014;Florez-Lopez and Ramon-Jeronimo 2015;Lessmann et al 2015;Manab et al 2015;Fernandes and Artes 2016;Sohn et al 2016;Sousa et al 2016;Xiao et al 2016;Petropoulos et al 2016).…”

Section: Introductionmentioning

confidence: 99%

Credit Risk Assessment Model for Small and Micro-Enterprises: The Case of Lithuania

Kanapickienė

Špicas²

2019

Risks

View full text Add to dashboard Cite

In this research, trade credit is analysed form a seller (supplier) perspective. Trade credit allows the supplier to increase sales and profits but creates the risk that the customer will not pay, and at the same time increases the risk of the supplier’s insolvency. If the supplier is a small or micro-enterprise (SMiE), it is usually an issue of human and technical resources. Therefore, when dealing with these issues, the supplier needs a high accuracy but simple and highly interpretable trade credit risk assessment model that allows for assessing the risk of insolvency of buyers (who are usually SMiE). The aim of the research is to create a statistical enterprise trade credit risk assessment (ETCRA) model for Lithuanian small and micro-enterprises (SMiE). In the empirical analysis, the financial and non-financial data of 734 small and micro-sized enterprises in the period of 2010–2012 were chosen as the samples. Based on the logistic regression, the ETCRA model was developed using financial and non-financial variables. In the ETCRA model, the enterprise’s financial performance is assessed from different perspectives: profitability, liquidity, solvency, and activity. Varied model variants have been created using (i) only financial ratios and (ii) financial ratios and non-financial variables. Moreover, the inclusion of non-financial variables in the model does not substantially improve the characteristics of the model. This means that the models that use only financial ratios can be used in practice, and the models that include non-financial variables can also be used. The designed models can be used by suppliers when making decisions of granting a trade credit for small or micro-enterprises.

show abstract

Combining market and accounting-based models for credit scoring using a classification scheme based on support vector machines

Cited by 31 publications

References 25 publications

A pénzügyi mutatók időbeli tendenciájának figyelembevétele logisztikus regresszióra épülő csődelőrejelző modellekben

A pénzügyi mutatók időbeli tendenciájának figyelembevétele logisztikus regresszióra épülő csődelőrejelző modellekben

Sukuk Rating Prediction using Voting Ensemble Strategy

Credit Risk Assessment Model for Small and Micro-Enterprises: The Case of Lithuania

Contact Info

Product

Resources

About