$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

신용평가를 위한 데이터마이닝 분류모형의 통합모형에 관한 연구

A Study of the Integration of Individual Classification Model in Data Mining for the Credit Evaluation

정보처리학회논문지. The KIPS transactions. Part D. Part D, v.12D no.2 = no.98, 2005년, pp.211 - 218  

김갑식 (대구산업정보대학 인터넷비즈니스과)

초록
AI-Helper 아이콘AI-Helper

본 연구는 금융기관에서의 고객신용평가를 위한 최적의 데이터마이닝 모형을 제안한다. 이를 위해 할부금융시장에서의 고객정보 및 할부진행 과정에 대한 세부 내역을 바탕으로 다계층 퍼셉트론(Multi-Layered Perceptrons:MLP)과 다변량 판별분석(Multivariate Discrimination Analysis : MDA), 그리고 의사결정나무(Decision Tree)를 적용하여 각각의 개별모형을 도출하고 이론 유전자 알고리즘을 이용하여 통합한 최종 모형을 구해 그 결과론 각 단일모형과 비교${\cdot}$분석하였다. 그 견과 유전자 알고리즘을 통해 결합한 통합모형의 성능이 가장 우수한 것으로 나타났다. 이에 본 연구는 기존에 진행되었던 개변모형에 대한 검증은 물론, 단순히 여러 개의 모형을 비교${\cdot}$분석하여 우월한 모형을 평가하는 기존 방법론 상의 한계를 극복하기 위해 각각의 개별모형을 유전자 알고리즘을 통해 통합모형으로 구축하는 하나의 방법론을 제시하였다는데 그 의의가 있다.

Abstract AI-Helper 아이콘AI-Helper

This study presents an integrated data mining model for the credit evaluation of the customers of a capital company. Based on customer information and financing processes in capital market, we derived individual models from multi-layered perceptrons(MLP), multivariate discrimination analysis(MDA), a...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 따라서 본 연구는 다계층 퍼 셉트론(Multi-Layered Perceptrons : MLP) 구조를 갖는 인공신경망 모형과 다변량 판 별분석 (Multivariate Discrimination Analysis : MDA)모형 그리고 의사결정나무(Decision Tree) 모형 등을 이용하여 각각의 단일모형을 얻어 신용평가의 예측결과를 비교 . 분석한 후, 유전자 알고리즘 방식에 의해 이들 단일모형에 대한 통합모형을 구축함으로써 할부금융 이용고객의 행태 평가에 의한 신용평가 예측의 최적화를 입증하려는데 그 목적을 두고 있다.
  • 통합할 세 가지 단위 분류모형으로는 인공 신경망의 다계 층 퍼셉트론(MLP)모형, 다변량 판별분석(MDA)모형, 의사결 정나무 모형 등이 사용되며, 이들 단위 모형의 학습이 마친 후에는 대상입력변수들 중 각 단위모형별로 선택된 입력변 수의 값을 기준으로 하여 각각의 측정 결과 값을 도출한다. 이렇게 해서 도출된 각 단위모형의 결과 값들을 유전자 알고리즘에 의한 가중치 최적화를 통하여 최종결과 값으로 가중 통합하는 것이다. 이렇게 통합된 결과 값을 세 개의 각 단위모형과 서로 비교해 본다.
본문요약 정보가 도움이 되었나요?

참고문헌 (25)

  1. 김갑식. (2003) '할부금융고객의 신용평가를 위한 데이터마이닝 통합모형구축', 대구가톨릭대학교 대학원 박사학위 논문 

  2. 김홍철. (2001). '유전자 알고리즘기반 복수 분류모형 통합에 의한 할부금융고객의 신용예측모형', 대구대학교 대학원 석사학위 논문 

  3. 정충영, 최이규. (1998). SPSSWIN을 이용한 통계분석, 서울, 무역경영사 

  4. 채서일. (1999). 사회과학 조사방법론, 2판, 서울, 학현사 

  5. 최종후, 한상태. (2000). AnsweerTree를 이용한 데이터마이닝 의사결정나무분석, 서울, SPSS 아카데미 

  6. Boyle, M., Crook, J. N., Hamilton, R., & Thomas, L. C. (1992). Methods for Credit Scoring Applied to Slow Payers, In Thomas, L. C., Crook, J. N., & Edelman, D. B.(eds.), Credit Scoring and Credit Control, Oxford University Press, Oxford, pp.75-90 

  7. Cheng, B., & Titterington, D. M. (1994). 'Neural Networks: A Review from a Statistical Perspective', Statistical Science, 9, pp.2-30 

  8. Desai, V. S., Convay, D. G., Crook, J. N., & Overstreet, G.A. (1997). 'Credit Scoring Models in the Credit Union Environment Using Neural Networks and Genetic Algorithms', IMA Journal of Mathematics Applied in Business and Industry, 8, pp.323-346 

  9. Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley, Reading, MA 

  10. Grablowsky, B. J., & Talley, W. K (1981). 'Probit and Discriminant Functions for Classifying Credit Applicants: A Comparison', Journal of Economics and Business, 33, pp. 254-261 

  11. Gupta, Y. P., Gupta, M. C., Kumar, A. K., & Sundram, C. (1995). 'Minimizing Total Intercell and Intracell Moves in Cellular Manufacturing: A Genetic Algorithm Approach', INT J. of Computer Integrated Manufacturing, 8(2), pp. 92-101 

  12. Henley, W. E. (1995). 'Statistical Aspects of Credit Scoring', PhD Thesis, Open University 

  13. Holland, J. H. (1975). Adaptation in Natural and Artificial Systems, The University of Michigan Press, Ann Arbor, MI 

  14. Hon, K. K. B., & Chi, H. (1994). 'A New Approach of Group Technology Part Families Optimization', Annals of the CIRP, 43(1) 

  15. Imielinski, T., & Mannila, H. (1996). 'A Database Perspective on Knowledge Discovery', Communications of the ACM, 39(11), pp.214-225 

  16. Jain, Bharat A., & Nag, Barin N. (1997). 'Performance Evaluation of Neural Network Decision Models', Journal of Management Information Systems, 14(2), Fall, pp.201-216 

  17. Kim, E., Kim, W., & Lee, Y., (2000). 'Purchase Propensity Prediction of EC Customer by Combining Multiple Classifiers Base on GA', Proceedings of International Conference on Electronic Commerce, pp.274-280 

  18. Mangasarian, O. L. (1965). 'Linear and Nonlinear Separation of Patterns by Linear Programming', Operations Research, 13, pp.444-452 

  19. Mehta, D. (1968). 'The Formulation of Credit Policy Models', Management Science, 15, pp.30-50 

  20. Srinivasan, V., & Kim, Y. H. (1987). 'The Bierman-Hausman Credit Granting Model: A Note', Management Science, 33, pp.1361-1362 

  21. Thomas, L. C. (2000). 'A Survey of Credit and Behavioral Scoring: Forecasting Financial Risk of Lending to Consumers', International Journal of Forecasting, 16, pp. 149-172 

  22. West, D. (2000). 'Neural Network Credit Scoring Models', Computers & Operations Research, 27, pp.1131-1152 

  23. Wiginton, J. C. (1980). 'A Note on the Comparison of Logit and Discriminant Models of Consumer Credit Behaviour', Journal of Financial and Quantitative Analysis, 15, pp. 757-770 

  24. Wong, B. K., Bodnovich, T. A., & Selvi, Y. (1997). 'Neural Network Applications in Business: A Review and Analysis of the Literature(1988-95)', Decision Support Systems, 19, pp.301- 320 

  25. Yobas, M. B., Crook, J. N., & Ross, P. (1997). 'Credit Scoring Using Neural and Evolutionary Techniques', Credit Research Centre, University of Edinburgh, Working Paper 

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트