Leonardo Gambacorta, Yiping Huang, Han Qiu, Jingyi Wang
BIS Working Papers, No. 834
Bank for International Settlements(BIS)
2019
재정·세제·금융-금융
이 문서는 기계 학습 기법을 기반으로 한 신용 평가 모형과 전통적 손실 및 채무불이행 모형의 예측력을 비교한다. 이를 위해 평상시와 경제가 충격을 받을 때의 손실 및 채무불이행을 예측하는 여러 모형의 성과를 시험한다. 결과에 따르면, 총 신용 공급에 부정적 충격이 나타날 때 기계 학습과 비전통적 데이터를 기반으로 한 모형이 전통적 모형보다 손실과 채무불이행을 더 잘 예측하는 것으로 나타났다.
https://www.bis.org/publ/work834.htm
국제기구
U.S. Government Accountability Office(GAO)
Friedrich Naumann Foundation for Freedom(FNF)
Monetary Authority of Singapore(MAS)
Congressional Budget Office(CBO)
European Central Bank(ECB)
Inter-American Development Bank(IDB)
선택한 정부기관 :
선택된 BRM :
정책정보포털(POINT)에서는 귀하의 개인정보를 중요시하며, 개인정보보호법에 따라 아래와 같이 동의를 얻고자 합니다.