Maschinelle Lernverfahren als Benchmarking für klassische Ratingverfahren
- Eine Herausforderung im Rahmen aufsichtsrechtlicher Bankenprüfungen, regelmäßiger Validierungen und interner Revisionsprüfungen ist nach Ansicht der beiden Autoren die Prognosefähigkeit eines Ratingverfahrens als objektiv und belastbar zu beurteilen. In ihrem Beitrag untersuchen sie deshalb die unterschiedlichen Vor- und Nachteile maschineller Lernverfahren für die Kreditrisikomessung gegenüber den klassischen Ratingverfahren. Diese seien ein pragmatisches Werkzeug für Validierungseinheiten und interne Revision. Nach genauer Überprüfung der Verfahren kommen sie zu dem Schluss, es sei nicht mehr eine Frage, ob, sondern vielmehr wann die maschinellen Lernverfahren zu einem selbstverständlichen Bestandteil der Kreditrisikomessung werden.
| Author of HS Reutlingen | Reichenberger, Volker |
|---|---|
| URL: | https://www.wiso-net.de/toc_list/ZFGK/2018#ZFGK__121815024 |
| ISSN: | 0341-4019 |
| Erschienen in: | Zeitschrift für das gesamte Kreditwesen |
| Publisher: | Knapp |
| Place of publication: | Frankfurt, M. |
| Document Type: | Journal article |
| Language: | German |
| Publication year: | 2018 |
| Issue: | 24 |
| Page Number: | 4 |
| First Page: | 20 |
| Last Page: | 23 |
| DDC classes: | 330 Wirtschaft |
| Open access?: | Nein |
| Licence (German): |  In Copyright - Urheberrechtlich geschützt |
