Zusammenfassung
Im Kreditgeschäft für Privatkunden wird eine automatische monatliche Überwachung von Kreditlinien auf Kontokorrentkonten seit einiger Zeit praktiziert. Im Firmenkundengeschäft gelten solche Instrumente hingegen immer noch als kaum praktikabel: mehrere Konten, oft sogar bei mehreren Banken, unsystematische, für die Bonität nicht relevante Schwankungen der Kontoführung und professionelles Cash-Management werden als Gründe gegen den Einsatz von Verhaltensscoringmodellen angeführt. Anhand der über mindestens 13 Monate monatlich erhobenen Daten der Konten von ca. 3600 mittelständischen Firmenkunden wurden Scoringmodelle, die eine bei einem Kunden erstmalig vorgenommene Einzelwertberichtigung ein Jahr vorher prognostizieren, entwickelt. Schwerpunkt der Modellentwicklung lag auf den Maschinellen Lernenverfahren Genetische Algorithmen, Neuronale Netze und Entscheidungsbaumverfahren. Als Benchmark wurden Modelle mit der Linearen Diskriminanzanalyse gebildet. Die Scoringmodelle wurden nicht nur bezüglich der Klassifikationsergbnisse auf der Stichprobe, sondern auch bezüglich der Interpretierbarkeit ihrer Wirkungsweise miteinander verglichen. Das Verständnis des Einflusses einzelner Kennzahlen auf die Beurteilung, ist ein wesentliches Kriterium für die Akzeptanz in der Praxis des Kreditgeschäfts.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Altman, E., Marco, G., Varetto, F. (1994), Corporate distress diagnosis: Comparisons using linear discriminant analysis and neural networks. Journal of Banking and Finance 18, p.505-p.529
Anders, U., Szcesny, A. (1996), Prognose von Insolvenzwahrscheinlichkeiten mit Hilfe logistischer neuronaler Netzwerke, Discussion Paper ZEW
Barnett, V., Lewis, T. (1978), Outliers in Statistical Data, New York
Barrow, D., 1992, Making Money with Genetic Algorithms, Proc. Of the Fifth European Seminar on Neural Networks and Genetic Algorithms, London
Bretzger, T. (1991), Die Anwendung statistischer Verfahren zur Risikofrüherkennung bei Dispositionskrediten, Studienreihe der Stiftung Kreditwirtschaft an der Universität Hohenheim, Bd. 9
Fahrmeir, L., Hamerle, A. (1984), Multivariate statistische Verfahren, Berlin
Fischer, J.H. (1981), Computergestützte Analyse der Kreditwürdigkeit auf Basis der Mustererkennung, Betriebswirtschaftliche Studien zur Unternehmensführung Vol. 23, Düsseldorf
Fritz, S., Hosemann, D. (1999), Restructuring the Credit Process: Behaviour Scoring for German Corporates, Journal of Intelligent Systems in Accounting, Finance and Management, Vol.VIII
Graf, J., Nakhaeizadeh, G. (1993), Recent Developements in Solving the Credit Scoring Problem, in Plantamura, Soucek, Visagio (Hrsg.), Logistic and Learning for Quality Software, Management and Manufactoring, John Wiley, New York
Hofmann, H.-J. (1990), Die Anwendung des CART-Verfahrens zur statistischen Bonitätsanalyse von Konsumentenkrediten, ZfB, 60.Jg., H9, p.941-p.962
Hüls, D. (1995), Früherkennung insolvenzgefährdeter Unternehmen, Düsseldorf
Integral Solutions Limited (1997), Clementine User Guide, Vers. 4.0, Basingstoke
McLachlan, G.J. (1992), Discriminant Analysis and Statistical Pattern Recognition, New York
Press, W.H., Teukolsky, S.A., Vetterling, W.T., Flannery, B.P. (1992), Numerical Recipes in C: The Art of Scientific Computing, 2ndEd., New York
Quinlan, J.R. (1986), Induction of Decision Trees, Machine Learning, Vol. I, p.81-p.106
Rehkugler, H., Schmidt-von-Rhein, A. (1993), Kreditwürdigkeitsanalyse und —pro-gnose für Privatkundenkredite mittels statistischer Methoden und Künstlicher Neuronaler Netze, Bamberg
SAS Institute. (1990), SAS Language and Procedures, Vers.6
Trigg, D.W., Leach, A.G. (1967), Exponential Smoothing with an Adaptive Response Rate, Operational Research Quarterly 18, p.53-p.59
Yakowitz, S. (1987), Nearest-Neighbour Methods for Time Series Analysis, Journal of Time Series Analysis, 8(2), p.235-p.247
Varetto, F. (1998), Genetic algorithms applications in the analysis of insolvency risk, Journal of Banking and Finance 22, p.1421-p.1439
Walker, R.F., Haasdijk; E.W., Gerrets, M.C. (1995), Credit Evaluation Using a Genetic Algorithm, Intelligent Systems for Finance and Business, p.39-p.59
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2000 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Hosemann, D. (2000). Einsatz Maschineller Lernverfahren zur Kreditüberwachung bei mittelständischen Firmenkunden. In: Bol, G., Nakhaeizadeh, G., Vollmer, KH. (eds) Datamining und Computational Finance. Wirtschaftswissenschaftliche Beiträge, vol 174. Physica, Heidelberg. https://doi.org/10.1007/978-3-642-57656-0_2
Download citation
DOI: https://doi.org/10.1007/978-3-642-57656-0_2
Publisher Name: Physica, Heidelberg
Print ISBN: 978-3-7908-1284-8
Online ISBN: 978-3-642-57656-0
eBook Packages: Springer Book Archive