|
В описанном далее исследовании мы ставили перед собой цель построить нейронно-сетевые классификаторы для двух задач. Первая задача состояла в оценке финансовых трудностей компаний в ситуации ex ante на основе информации, которой располагали 12 финансовых чиновников в Польше. В восьми ведущих польских банках была собрана база данных по 59 (анонимным) компаниям, включающая 21 качественный и 5 количественных показателей. Наличие двух типов данных не позволяет применить обычные дискриминантные модели типа Logit или MDA, поэтому данные были преобразованы с помощью нелинейного анализа главных компонент. Такое преобразование дало нам возможность сравнивать результаты нейронно-сетевой модели, полученные при перекрестном подтверждении (кросс-валидации), с результатами линейного метода MDA.
Сравнение (в смысле ошибок 1-го и 2-го рода) результатов ех ante — прогнозирования с помощью нейронной сети и на основе традиционных методов MDA — свидетельствует о том, что применение нейронных классификаторов оправданно в условиях постоянно меняющейся ситуации, что характерно для польского рынка капиталовложений.
Вторая прикладная задача, которая рассматривается в этой главе, связана с ex post оценкой кредитного риска по фрагменту портфели займов, выданных корпоративным клиентам Голландского Инвестиционного банка (NIB). Этот частный торговый банк с преобладающей долей государственной собственности специализируется на предоставлении средне- и долгосрочных займов корпорациям. Для описания компаний-заемщиков банка в модели использовалось 44 качественных и 5 количественных переменных.
Сведения о компаниях, которые обращались с просьбой о предоставлении займа и которым было отказано, не сохранились, поэтому проведение ex post анализа ошибок 2-го рода было невозможно.
|
