Erklärung von Emittentenratings von Banken mittels maschinellen Lernens - Gerrit Brendler

Blick ins Buch

Erklärung von Emittentenratings von Banken mittels maschinellen Lernens (eBook)

Gerrit Brendler (Autor)

eBook Download: PDF

2023 | 1. Aufl. 2023
XIX, 147 Seiten
Springer Fachmedien Wiesbaden (Verlag)
978-3-658-41910-3 (ISBN)

Lese- und Medienproben

Ebook-Leseprobe (PDF)

Die derzeitige Wirtschaftslage in Europa ist fragil. Spätestens seit dem Kriegsausbruch in der Ukraine und der damit verbundenen Energiekrise in Europa trüben sich die Wachstumserwartungen. Durch die wirtschaftliche Verflechtung zwischen Staaten und Banken ist es in diesen unbeständigen Zeiten wichtig, über Instrumente zu verfügen, um schnell auf veröffentliche Geschäftszahlen von Kreditinstituten reagieren zu können und eigenständig die Bonität von Banken einzuschätzen, da die Anpassung eines externen Ratings oftmals mit einer zeitlichen Verzögerung einhergeht. Daher wird auf Basis von drei Datensätzen mittels maschinellen Lernens versucht, die Determinanten von Emittentenratings von europäischen Banken zu erklären. Unter der Verwendung von Entscheidungsbäumen und logistischen Regressionsmodellen sollen die wesentlichen Einflüsse der binären Klassifikation in die Segmente Investmentgrade und Non-Investmentgrade sowie die ordinale Ratingklasse analysiert werden.

Der Autor

Gerrit Brendler studierte nach seiner Bankausbildung 'Banking & Finance' an der TH Köln sowie 'Risk Management & Treasury' an der FOM in Düsseldorf. Seit August 2019 arbeitet er im Treasury einer Bank.

Erscheint lt. Verlag	8.7.2023
Reihe/Serie	Business, Economics, and Law
Reihe/Serie	Business, Economics, and Law
Zusatzinfo	XIX, 147 S. 96 Abb.
Sprache	deutsch
Themenwelt	Wirtschaft ► Betriebswirtschaft / Management ► Finanzierung
Themenwelt	Wirtschaft ► Volkswirtschaftslehre
Schlagworte	Banken • Binäre Regression • Bonitätseinschätzungen • CART • Entscheidungsbäume • machine learning • Maschinelles Lernen • ordinale Regression • random forest • Rating • Ratingagenturen • Regressionsmodelle
ISBN-10	3-658-41910-5 / 3658419105
ISBN-13	978-3-658-41910-3 / 9783658419103

Haben Sie eine Frage zum Produkt?

PDF (Wasserzeichen)
Größe: 5,8 MB

DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Print-Ausgabe

Buch | Softcover

74,99 €