Erklärung von Emittentenratings von Banken mittels maschinellen Lernens
Die derzeitige Wirtschaftslage in Europa ist fragil. Spätestens seit dem Kriegsausbruch in der Ukraine und der damit verbundenen Energiekrise in Europa trüben sich die Wachstumserwartungen. Durch die wirtschaftliche Verflechtung zwischen Staaten und Banken...
Voraussichtlich lieferbar in 3 Tag(en)
versandkostenfrei
Buch (Kartoniert)
Fr. 84.90
inkl. MwSt.
- Kreditkarte, Paypal, Rechnungskauf
- 30 Tage Widerrufsrecht
Produktdetails
Produktinformationen zu „Erklärung von Emittentenratings von Banken mittels maschinellen Lernens “
Klappentext zu „Erklärung von Emittentenratings von Banken mittels maschinellen Lernens “
Die derzeitige Wirtschaftslage in Europa ist fragil. Spätestens seit dem Kriegsausbruch in der Ukraine und der damit verbundenen Energiekrise in Europa trüben sich die Wachstumserwartungen. Durch die wirtschaftliche Verflechtung zwischen Staaten und Banken ist es in diesen unbeständigen Zeiten wichtig, über Instrumente zu verfügen, um schnell auf veröffentliche Geschäftszahlen von Kreditinstituten reagieren zu können und eigenständig die Bonität von Banken einzuschätzen, da die Anpassung eines externen Ratings oftmals mit einer zeitlichen Verzögerung einhergeht. Daher wird auf Basis von drei Datensätzen mittels maschinellen Lernens versucht, die Determinanten von Emittentenratings von europäischen Banken zu erklären. Unter der Verwendung von Entscheidungsbäumen und logistischen Regressionsmodellen sollen die wesentlichen Einflüsse der binären Klassifikation in die Segmente Investmentgrade und Non-Investmentgrade sowie die ordinale Ratingklasse analysiert werden.Inhaltsverzeichnis zu „Erklärung von Emittentenratings von Banken mittels maschinellen Lernens “
Thematische Einführung, Problemstellung und Zielsetzung.- Datensatz.- Methodik.- Modellierung, Schätzung und Analyse des IG-Ratings.- Modellierung, Schätzung und Analyse der Ratingklasse.- Fazit und Ausblick.- Literaturverzeichnis.
Autoren-Porträt von Gerrit Brendler
Der AutorGerrit Brendler studierte nach seiner Bankausbildung "Banking & Finance" an der TH Köln sowie "Risk Management & Treasury" an der FOM in Düsseldorf. Seit August 2019 arbeitet er im Treasury einer Bank.
Bibliographische Angaben
- Autor: Gerrit Brendler
- 2023, 1. Aufl. 2023, XIX, 147 Seiten, 96 Abbildungen, Masse: 14,8 x 21 cm, Kartoniert (TB), Deutsch
- Verlag: Springer, Berlin
- ISBN-10: 3658419091
- ISBN-13: 9783658419097
Kommentar zu "Erklärung von Emittentenratings von Banken mittels maschinellen Lernens"
0 Gebrauchte Artikel zu „Erklärung von Emittentenratings von Banken mittels maschinellen Lernens“
Zustand | Preis | Porto | Zahlung | Verkäufer | Rating |
---|
Schreiben Sie einen Kommentar zu "Erklärung von Emittentenratings von Banken mittels maschinellen Lernens".
Kommentar verfassen