![Ιδρυματικό Αποθετήριο [SANDBOX]](images/dias.logo.png "Ιδρυματικό Αποθετήριο [SANDBOX]"){kind=logo}
Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/C879D2B4-301F-411D-A9F6-72EFA8BD6AE0 | - |
| Αναγνωριστικό | https://doi.org/10.1504/IJDMMM.2019.098967 | - |
| Αναγνωριστικό | http://www.inderscience.com/offer.php?id=98969 | - |
| Γλώσσα | en | - |
| Μέγεθος | 26 pages | en |
| Τίτλος | Sample selection algorithms for credit risk modelling through data mining techniques | en |
| Δημιουργός | Protopapadakis Eftychios | en |
| Δημιουργός | Πρωτοπαπαδακης Ευτυχιος | el |
| Δημιουργός | Doumpos Michail | en |
| Δημιουργός | Δουμπος Μιχαηλ | el |
| Δημιουργός | Doulamis Anastasios | en |
| Δημιουργός | Δουλαμης Αναστασιος | el |
| Δημιουργός | Zopounidis Konstantinos | en |
| Δημιουργός | Ζοπουνιδης Κωνσταντινος | el |
| Δημιουργός | Niklis Dimitrios | en |
| Δημιουργός | Νικλης Δημητριος | el |
| Εκδότης | Inderscience | en |
| Περίληψη | Credit risk assessment is a very challenging and important problem in the domain of financial risk management. The development of reliable credit rating/scoring models is of paramount importance in this area. There are different algorithms and approaches for constructing such models to classify credit applicants (firms or individuals) into risk classes. Reliable sample selection is crucial for this task. The aim of this paper is to examine the effectiveness of sample selection schemes in combination with different classifiers for constructing reliable default prediction models. We consider different algorithms to select representative cases and handle class imbalances. Empirical results are reported for a dataset of Greek companies from the commercial sector. | en |
| Τύπος | Peer-Reviewed Journal Publication | en |
| Τύπος | Δημοσίευση σε Περιοδικό με Κριτές | el |
| Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
| Ημερομηνία | 2020-11-03 | - |
| Ημερομηνία Δημοσίευσης | 2019 | - |
| Θεματική Κατηγορία | Classification | en |
| Θεματική Κατηγορία | Credit risk modelling | en |
| Θεματική Κατηγορία | Data mining | en |
| Θεματική Κατηγορία | Sampling | en |
| Βιβλιογραφική Αναφορά | E. Protopapadakis, D. Niklis, M. Doumpos, A. Doulamis and C. Zopounidis, "Sample selection algorithms for credit risk modelling through data mining techniques," Int. J. Data Min. Model. Manag., vol. 11, no. 2, pp. 103-128, Feb. 2019. doi: 10.1504/IJDMMM.2019.098967 | en |
Copyright © DIAS 2013
