Documenti full-text disponibili:
|
Documento PDF (Thesis)
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (457kB)
|
Abstract
A lungo sono state studiate tecniche di previsione di fallimento e di credit scoring nell'ambito di concessione di prestiti bancari. Recentemente nuove tecniche come il machine learning e le reti neurali hanno portano cambiamenti significativi in questa area.
Sulla base di precedenti studi scientifici si vogliono testare nuove tecniche finora poco utilizzate a causa della loro recente introduzione. Inizialmente verranno utilizzati metodi tradizionali già testati in precedenza, successivamente ci si concentrerà su modelli più recenti. A fronte dei risultati ottenuti saranno effettuate diverse considerazioni utilizzando un confronto con la letteratura, infine verranno tratte le opportune conclusioni.
Abstract
A lungo sono state studiate tecniche di previsione di fallimento e di credit scoring nell'ambito di concessione di prestiti bancari. Recentemente nuove tecniche come il machine learning e le reti neurali hanno portano cambiamenti significativi in questa area.
Sulla base di precedenti studi scientifici si vogliono testare nuove tecniche finora poco utilizzate a causa della loro recente introduzione. Inizialmente verranno utilizzati metodi tradizionali già testati in precedenza, successivamente ci si concentrerà su modelli più recenti. A fronte dei risultati ottenuti saranno effettuate diverse considerazioni utilizzando un confronto con la letteratura, infine verranno tratte le opportune conclusioni.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Tombari, Davide
Relatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum scienze e tecnologie informatiche
Ordinamento Cds
DM270
Parole chiave
credit scoring,machine learning,reti neurali,deep learning,neural network,credito
Data di discussione della Tesi
21 Marzo 2019
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Tombari, Davide
Relatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum scienze e tecnologie informatiche
Ordinamento Cds
DM270
Parole chiave
credit scoring,machine learning,reti neurali,deep learning,neural network,credito
Data di discussione della Tesi
21 Marzo 2019
URI
Statistica sui download
Gestione del documento: