Volltext-Downloads (blau) und Frontdoor-Views (grau)

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.

Download full text files

  • 1995.pdf
    deu

Export metadata

Additional Services

Search Google Scholar

Statistics

frontdoor_oas
Metadaten
Author of HS ReutlingenReichenberger, 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):License Logo  In Copyright - Urheberrechtlich geschützt