Оцінювання рівня прибутковості банківської групи

Скорочена інформація про документ
dc.contributor.authorПрокопович Леонід Борисович
dc.contributor.authorБаланенко Олена Георгіївна
dc.contributor.authorКолодка Андрій Олександрович
dc.contributor.authorProkopovich Leonid
dc.contributor.authorBalanenko Olena
dc.contributor.authorKolodka Andrii
dc.date.accessioned2024-10-10T11:31:48Z
dc.date.available2024-10-10T11:31:48Z
dc.date.issued2021-12-20
dc.descriptionПрокопович, Л. Б. Оцінювання рівня прибутковості банківської групи = Assessing the profitability of the banking group / Л. Б. Прокопович, О. Г. Баланенко, А. О. Колодка // Економіка та суспільство. – 2021. – Вип. 34.
dc.description.abstractСтаття присвячена актуальній проблемі підвищення достовірності оцінювання рівня прибутковості на прикладі банківської групи. Показано, що більшість розроблених раніше моделей прогнозування рівня прибутковості засновані на лінійній регресії, без їх порівняння з нелінійними моделями. У роботі був проаналізований характер існуючої залежності рівня прибутковості банківської групи від показників двох учасників даної групи. Побудовано комплекс однофакторних регресійних моделей рівня прибутковості банківської групи з використанням показників кожного учасника групи. З метою підвищення якості отриманих моделей було вирішено використовувати методу машинного вчення. Як такий метод був обраний баггинг, який дозволив запропонувати двохфакторну модель оцінювання рівня прибутковості банківської групи.
dc.description.abstract1The article is devoted to the current problem of improving the reliability of profitability assessment using the example of a banking group. It has been shown that most previously developed profitability level prediction models are based on linear regression, without comparing them with non-linear models. In the work, the nature of the existing dependence of the level of profitability of the banking group on the performance of two participants in this group was analyzed. The construction of the correlation matrix and the inverse to it made it possible to identify a high level of dependence between the profitability levels of the members of the banking group. Therefore, a set of one-factor regression models of the profitability level of the banking group was built using the indicators of each group member separately from the other. Based on the information of each group, a linear, logarithmic and polynomial model was built. The best models for each member of the banking group were selected based on the determination factor, the Fisher criterion, and the average absolute error percentage. It was revealed that for one member of the banking group, the best model for predicting profitability was the polynomial model, for another – linear. Based on the selected models, a model was built that gives an average estimate from these models. In order to improve the quality of the models obtained, it was decided to use machine learning methods. Bagging was chosen as this method. A flowchart of the use of bagging to improve the quality of previously developed models was proposed. To implement the proposed algorithm, a Python program was developed using the Scikit-learn machine learning library. Using this method of machine learning made it possible: to find out the optimal number of samples for each of the selected models, to improve the quality of the developed models and to offer a two-factor model for assessing the profitability level of the banking group. The developed set of models can be used to assess the level of profitability and predict the impact of management decisions on the results of banking groups. It is proposed to use other methods of machine learning, such as a genetic algorithm and a random forest, when building future models.
dc.identifier.govdocDOI: https://doi.org/10.32782/2524-0072/2021-34-78
dc.identifier.issn2524-0072 (Online)
dc.identifier.urihttps://eir.nuos.edu.ua/handle/123456789/8939
dc.language.isouk
dc.publisherЕкономіка та суспільство
dc.relation.ispartofseriesУДК; 658.1
dc.subjectприбутковість
dc.subjectбанківська група
dc.subjectрегресія
dc.subjectбаггинг
dc.subjectмашинне вчення
dc.subjectprofitability
dc.subjectbanking group
dc.subjectregression
dc.subjectbagging
dc.subjectmachine learning
dc.titleОцінювання рівня прибутковості банківської групи
dc.title.alternativeAssessing the profitability of the banking group
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Prokopovich 11.pdf
Розмір:
338.38 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
4.38 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Статті (О та ЕА)