Моделирование отзыва лицензии у банка
Оценка финансового состояния банка в рамках рейтинговых систем. Преимущества и недостатки действующих систем оценки финансовой устойчивости банков. Построение модели отзыва лицензий у коммерческих банков с использованием использованы пакетов CART и REEM.
| Рубрика | Банковское, биржевое дело и страхование |
| Вид | курсовая работа |
| Язык | русский |
| Дата добавления | 20.10.2016 |
| Размер файла | 997,2 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
53) id< 3283 1010 60 0 (0.940594059 0.059405941)
106) X.5139< 1.951823e+08 986 52 0 (0.947261663 0.052738337)
212) X.5136>=2.171668e+07 203 0 0 (1.000000000 0.000000000) *
213) X.5136< 2.171668e+07 783 52 0 (0.933588761 0.066411239)
426) X.5139< 1.978892e+07 774 47 0 (0.939276486 0.060723514)
852) X.5136>=2801340 613 27 0 (0.955954323 0.044045677) *
853) X.5136< 2801340 161 20 0 (0.875776398 0.124223602)
1706) X.5139< 2667143 150 9 0 (0.940000000 0.060000000) *
1707) X.5139>=2667143 11 0 1 (0.000000000 1.000000000) *
427) X.5139>=1.978892e+07 9 4 1 (0.444444444 0.555555556) *
107) X.5139>=1.951823e+08 24 8 0 (0.666666667 0.333333333)
214) id< 2114.5 16 0 0 (1.000000000 0.000000000) *
215) id>=2114.5 8 0 1 (0.000000000 1.000000000) *
27) X.5136< 1777356 35 14 1 (0.400000000 0.600000000)
54) X.5136>=1178331 24 10 0 (0.583333333 0.416666667)
108) X.5139< 1121435 9 1 0 (0.888888889 0.111111111) *
109) X.5139>=1121435 15 6 1 (0.400000000 0.600000000) *
55) X.5136< 1178331 11 0 1 (0.000000000 1.000000000) *
7) X.5136< -6227 22 0 1 (0.000000000 1.000000000) *
Classification tree:
rpart(formula = y ~ ., data = crs$dataset[crs$train, c(crs$input,
crs$target)], method = "class", parms = list(split = "information"),
control = rpart.control(usesurrogate = 0, maxsurrogate = 0))
Variables actually used in tree construction:
[1] id t X.5135 X.5136 X.5139
Root node error: 255/10446 = 0.024411
n= 10446
CP nsplit rel error xerror xstd
1 0.043137 0 1.00000 1.00000 0.061853
2 0.013725 2 0.91373 0.92157 0.059436
3 0.011765 5 0.87059 0.92941 0.059683
4 0.010458 6 0.85882 0.92941 0.059683
5 0.010000 13 0.78039 0.92549 0.059560
Time taken: 0.72 secs
Отчет по модели CART на восстановленных данных
Summary of the Decision Tree model for Classification (built using 'rpart'):
n=13771 (26 observations deleted due to missingness)
node), split, n, loss, yval, (yprob)
* denotes terminal node
1) root 13771 2541 0 (0.81548181 0.18451819)
2) IMD_X.5157< 250952.5 5195 60 0 (0.98845043 0.01154957) *
3) IMD_X.5157>=250952.5 8576 2481 0 (0.71070429 0.28929571)
6) IMD_X.5157>=251253 5264 202 0 (0.96162614 0.03837386)
12) IMD_X.5140>=-1488152 5179 143 0 (0.97238849 0.02761151) *
13) IMD_X.5140< -1488152 85 26 1 (0.30588235 0.69411765) *
7) IMD_X.5157< 251253 3312 1033 1 (0.31189614 0.68810386) *
Classification tree:
rpart(formula = y ~ ., data = crs$dataset[crs$train, c(crs$input,
crs$target)], method = "class", parms = list(split = "information"),
control = rpart.control(usesurrogate = 0, maxsurrogate = 0))
Variables actually used in tree construction:
[1] IMD_X.5140 IMD_X.5157
Root node error: 2541/13771 = 0.18452
n=13771 (26 observations deleted due to missingness)
CP nsplit rel error xerror xstd
1 0.245179 0 1.00000 1.00000 0.017915
2 0.012987 2 0.50964 0.51043 0.013489
3 0.010000 3 0.49665 0.50374 0.013410
Отчет по модели CART на восстановленных данных
Summary of the Decision Tree model for Classification (built using 'rpart'):
n=13771 (26 observations deleted due to missingness)
node), split, n, loss, yval, (yprob)
* denotes terminal node
1) root 13771 2541 0 (0.81548181 0.18451819)
2) RLG_IMD_X.5141>=9.957573 5563 144 0 (0.97411469 0.02588531) *
3) RLG_IMD_X.5141< 9.957573 8208 2397 0 (0.70796784 0.29203216)
6) RLG_IMD_X.5141< 9.957218 4481 67 0 (0.98504798 0.01495202) *
7) RLG_IMD_X.5141>=9.957218 3727 1397 1 (0.37483230 0.62516770)
14) RLG_IMD_X.5135>=15.12855 420 52 0 (0.87619048 0.12380952) *
15) RLG_IMD_X.5135< 15.12855 3307 1029 1 (0.31115815 0.68884185) *
Classification tree:
rpart(formula = y ~ ., data = crs$dataset[crs$train, c(crs$input,
crs$target)], method = "class", parms = list(split = "information"))
Variables actually used in tree construction:
[1] RLG_IMD_X.5135 RLG_IMD_X.5141
Root node error: 2541/13771 = 0.18452
n=13771 (26 observations deleted due to missingness)
CP nsplit rel error xerror xstd
1 0.18359 0 1.00000 1.00000 0.017915
2 0.12436 2 0.63282 0.63479 0.014851
3 0.01000 3 0.50846 0.51004 0.013485
Размещено на Allbest.ru
Подобные документы
Классические и альтернативные методы прогнозирования банкротства. Применение существующих методик оценки вероятности дефолта/отзыва лицензии на осуществление банковской деятельности для коммерческих банков. Решение проблемы несбалансированности данных.
дипломная работа [794,8 K], добавлен 19.09.2016Понятие коммерческого банка и его организационное устройство. Анализ современной ситуации в области регулирования деятельности коммерческих банков. Характеристика кредитных организаций в России. Особенности порядка лицензирования и причин отзыва лицензии.
курсовая работа [116,4 K], добавлен 21.04.2015Кассовые операции коммерческих банков. Задачи банков всех уровней в работе по составлению прогноза кассовых оборотов. Случаи отзыва у кредитной организации лицензии на осуществление банковских операций. Сделки, осуществляемые кредитной организацией.
контрольная работа [40,0 K], добавлен 24.11.2010Классификация банков по системе CAMELS. Адекватность капитала как базовый показатель устойчивости коммерческого банка. Пруденциальный надзор за банками второго уровня. Аудит и анализ устойчивости коммерческого банка со стороны Национального Банка РК.
дипломная работа [165,8 K], добавлен 06.07.2015Методология анализа финансового состояния банка. Структура банковской системы России. Основные характеристики финансового состояния банков. Оценка финансового состояния коммерческого банка. Создание единой системы оценки финансового состояния банка.
дипломная работа [127,1 K], добавлен 28.05.2002Характеристика банковских лицензий: понятие, назначение, виды. Анализ основания отзыва лицензии у коммерческого банка; сущность отказа в выдаче лицензии. Особенности выдачи лицензии на осуществление банковских операций без ограничения сроков действия.
реферат [49,7 K], добавлен 22.06.2012Роль и функции коммерческих банков в рыночной экономике. Экономическое содержание и система показателей финансовой устойчивости коммерческого банка. Механизм обеспечения финансовой устойчивости коммерческого банка на примере ОАО "Промсвязьбанк".
дипломная работа [1,7 M], добавлен 04.04.2015Понятие, признаки и виды банковской лицензии. Основания, процедура и правовые последствия отзыва лицензии на совершение банковских операций. Приостановление и аннулирование лицензий. Анализ практики отзыва лицензии на проведение банковских операций.
дипломная работа [355,2 K], добавлен 01.08.2008Организация мониторинга финансовой устойчивости банков-контрагентов. Оценка финансового состояния коммерческого банка на примере ОАО "Государственный сберегательный банк КБР", возможные пути его улучшения. Структура баланса, оценка прибыли банка.
курсовая работа [784,5 K], добавлен 17.01.2014Появление и основные этапы развития банков. Виды банковских систем. Иерархичность построения банковской системы. Ассоциации коммерческих банков. Функции центрального банка. Особенности банка как коммерческого предприятия. Операции банков.
курсовая работа [39,9 K], добавлен 02.06.2007
