36,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
18 °P sammeln
  • Broschiertes Buch

Achterstandenbeheer is het proces waarbij rekeningen van leningen die hun contractuele aflossingen niet hebben verricht, worden beheerd. Hoewel computationele intelligentie benaderingen zoals kunstmatige neurale netwerken zijn toegepast op het verwante gebied van lening goedkeuring / credit-scoring, is er weinig bewijs van hun toepassing op het beheer van achterstallige betalingen. Deze dissertatie onderzoekt de haalbaarheid van het gebruik van kunstmatige neurale netwerken om het risico te voorspellen dat persoonlijke leningen een betalingsachterstand oplopen. De gebruikte gegevens zijn echte…mehr

Produktbeschreibung
Achterstandenbeheer is het proces waarbij rekeningen van leningen die hun contractuele aflossingen niet hebben verricht, worden beheerd. Hoewel computationele intelligentie benaderingen zoals kunstmatige neurale netwerken zijn toegepast op het verwante gebied van lening goedkeuring / credit-scoring, is er weinig bewijs van hun toepassing op het beheer van achterstallige betalingen. Deze dissertatie onderzoekt de haalbaarheid van het gebruik van kunstmatige neurale netwerken om het risico te voorspellen dat persoonlijke leningen een betalingsachterstand oplopen. De gebruikte gegevens zijn echte gegevens over persoonlijke leningen afkomstig van een middelgrote Australische financiële instelling. De resultaten zijn zeer bemoedigend, met name die welke verkregen werden wanneer een ensemble in plaats van individuele netwerken werd gebruikt. De resultaten suggereren ook dat er ruimte is voor verder substantieel onderzoek op dit gebied.
Autorenporträt
Esther Andrea Maryse Scheurmann, licenciada en Informática (con matrícula de honor), máster en Informática (sistemas de información), Universidad de La Trobe, Australia. Analista de negocios senior en un importante banco australiano.