Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Szacowanie ryzyka" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Zastosowanie rozkładu Poissona do oceny ryzyka zagrożenia hydrologicznego
    Using the Poisson Distribution to Estimate the Risk of Hydrological Danger
    Autorzy:
    Kuźmiński, Łukasz
    Powiązania:
    https://bibliotekanauki.pl/articles/591110.pdf
    Data publikacji:
    2014
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Katastrofa
    Modelowanie ekonometryczne
    Powódź
    Szacowanie ryzyka
    Disaster
    Econometric modeling
    Flood
    Risk estimating
    Opis:
    W badaniu wyselekcjonowane zostaną maksymalne stany wód dla wybranych horyzontów czasowych. W ten sposób otrzymane zostaną realizacje określonych zmiennych losowych, które aproksymowane będą odpowiednimi rozkładami Poissona. Z dopasowanych teoretycznych rozkładów Poissona policzone zostaną prawdopodobieństwa przekroczenia progów ostrzegawczego i alarmowego, które traktowane będą jako miary ryzyka zagrożenia powodziowego
    The main purpose of this article is the using the Poisson distribution to estimate the risk of flood danger on the Odra river in Oława. Lower Silesia belongs to one of the most dangerous regions in Poland of waterboarding and floods. In research the maximas of water level will be selected for chosen times horisont. In this way, given determined random variables, will be approximated by relevant Poisson distribution. In fitted theoretical Poisson distribution it will be counted the probability od transgression warning and alarm level which will be treated as a risk measure of flood danger.
    Źródło:
    Studia Ekonomiczne; 2014, 206; 7-19
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Szacowanie parametrów ryzyka kredytowego przy użyciu rodzin klasyfikatorów
    Families of Classifiers Application in Credit Risk Parameters Estimation
    Autorzy:
    Grzybowska, Urszula
    Karwański, Marek
    Powiązania:
    https://bibliotekanauki.pl/articles/585589.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Ryzyko kredytowe
    LGD
    Metody ensemble
    Regresja
    Credit risk
    Ensemble methods
    Regression
    Opis:
    Banki stosujące zalecenia Umowy Bazylejskiej II/III zobowiązane są do wyznaczania ryzyka na podstawie szeregu parametrów. Jednym z nich jest procent straty – Loss Given Default (LGD). W literaturze LGD traktowany jest jako zmienna losowa, o rozkładzie dwumodalnym. Do szacowania wielkości LGD stosuje się zaawansowane regresyjne modele statystyczne. Alternatywny sposób to wykorzystanie metod data miningowych. Szczególnie atrakcyjne wydają się estymatory typu rodzin klasyfikatorów, które pozwalają na uśrednienie rezultatów wielu „słabych klasyfikatorów” i uzyskanie bardziej precyzyjnych wyników. Rodziny klasyfikatorów operują tzw. informacją. Problemem jest interpretacja informacji w kategoriach biznesowych. Celem artykułu jest uzgodnienie obu podejść i interpretacji. Przedstawione zostaną wyniki szacowania przy użyciu modeli: ułamkowej regresji logistycznej, beta-regresji, boostingu gradientowego oraz lasów losowych. Porównane zostaną właściwości estymatorów. Obliczenia wykonane zostały na danych rzeczywistych.
    According to the Capital Requirements Directive banks applying the internal rating based approach are obliged to estimate risk based on a set of risk parameters. One of the risk parameters is Loss Given Default (LGD). LGD is treated as a random variable with a bimodal distribution. One can apply advanced statistical models in LGD estimation. An alternative approach is to use data mining methods. The most promising seem to be families of classifiers, that allow for averaging results of many weak classifiers and for obtaining more precise results. Families of classifiers are built based on information criterion. The problem encountered is interpretation of obtained results in terms of business applications. The aim of the paper is to compare both approaches. We present results of LGD estimation with help of two regression models: fractional and beta regression and two ensemble methods: gradient boosting and random forests. Calculations were done on real life data.
    Źródło:
    Studia Ekonomiczne; 2015, 248; 107-120
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies