Naslov (srp)

Hibridni IBA-DE pristup za predviđanje kreditnog rejtinga država

Autor

Jelinek, Srđan L., 1989-

Doprinosi

Dragović, Ivana, 1977-
Micić, Ivana Z., 1984-
Rakićević, Aleksandar, 1984-
Bogojević-Arsić, Vesna, 1964-
Milošević, Pavle, 1988-
Makajić-Nikolić, Dragana, 1969-

Opis (srp)

Tema ove doktorske disertacije je uvođenje novog IBA-DE pristupa zasnovanog nametodama mašinskog učenja (eng. machine learning) i računarskoj inteligenciji (eng.computational intelligence). U izloženom pristupu, interpolativna Bulova algebra (eng.interpolative Boolean algebra, skr. IBA) se koristi za transformaciju ulaznih podataka u oblikpogodan za optimizaciju i kasnije tumačenje dobijenih rezultata, dok se algoritam diferencijalneevolucije (eng. differential evolution, skr. DE) koristi za dobijanje optimalnog logičkog IBAizraza za predviđanje. Ovaj pristup je potom korišćen i testiran na problemu predviđanjakreditnih rejtinga (eng. credit rating) država.Kako bi bolje sagledali važnost kreditog rejtinga sa stanovišta modernog društvapotrebno je prvo definisati pojmove kreditnog rizika i rejtinga, a potom i korist od postojanjatransparentnog sistema za predviđanje kreditnih rejtinga. Kreditni rizik je rizik prouzrokovanmogućnošću da dužnik ne izmiri svoje finansijske ugovorne obaveze, i određuje se premasposobnosti dužnika da izmiri obaveze prema ugovoru koji je sklopljen u trenutku postizanjadogovora. Kreditni rejting se može definisati kao procena kreditnog rizika pravnog lica, odnosnopredviđanje njegove sposobnosti i spremnosti da pravovremeno izmiri obaveze premakreditorima. Kreditne agencije specijalizovane za izradu i procenu kreditnih rejtinga objavljujurejtinge za veće učesnike na tržištu poput velikih korporacija i država, najčešće na godišnjemnivou. Modeli koje ove agencije koriste nisu dostupni javnosti. Sa druge strane, podaci za kojepostoje osnovane pretpostavke da utiču na kreditne rejtinge jesu, što dalje dovodi do nastankainternih modela za predviđanje kreditnih rejtinga, u poslednje vreme najčeće zasnovanih nametodologijama mašinskog učenja.IBA je realnovrednosna realizacija Bulove algebre na jediničnom 0,1 intervalu u kojojsu ispoštovani svi zakoni Bulove algebre, što je njena glavna prednost u odnosu na ostale logike.Očuvanje svih zakona Bulove algebre je dovelo do razvijanja više metodologija zasnovanih naIBA, od kojih je jedna logička agregacija (eng. logical aggregation, skr. LA), koja je korišćena uovoj disertaciji za IBA deo hibridnog IBA-DE modela. Druga metodologija koja je korišćena uvimodelu je DE - iterativni algoritam direktne pretrage koji spada u familiju metaheurstičkih metoda. Jedna od njegovih glavnih odlika je da ne zahteva poznavanje problema dalje od njegove funkcije cilja, njenih ograničenja i domena pretrage. Stoga, DE posmatra optimizacioni problem kao crnu kutiju (eng. black box), ne zahtevajući bilo kakvu informaciju o problemu koji se rešava.

Opis (srp)

Društvene nauke / Upravljanje sistemima Social sciences / systems management Datum odbrane: 28.03.2023.

Opis (eng)

In this doctorial dissertation a new IBA-DE hybrid approach is introduced, based onmachine learning and computational intelligence techniques. In the proposed approach,interpolative Boolean algebra (IBA) is used for the inputs transformation in the suitable shape forthe optimisation and later for the interpretation of the obtained results, while differentialevolution (DE) is used for obtaining optimal logical expression used for forecasting. Thisapproach is then used and tested on the problem of forecasting sovereign credit ratings.In order to better understand the importance of credit rating from the modern society’spoint of view, it is necessary to first define the notions of credit risk and credit rating, as well asthe benefits of transparent system for credit rating forecasting. Credit risk is a risk caused by apossibility of debtor not fulfilling his financial obligations, and is therefore determined by hisability to fulfill the obligations that were defined at the moment of the contract signing. Creditrating can be defined as an assessment of the credit risk of the legal entity and its ability andwillingness to timely fulfill its obligations towards the creditors. Credit agencies specialized forcredit ratings estimation are publishing those ratings, mostly on an annual basis, for all the majormarket participants such as big corporations and sovereign states. The models these agencies areusing are not publicly available. However, the data which there is an assumption for thatinfluences credit ratings is publicly available. This has led to emerging of custom-made modelsfor credit rating prediction. As of late, these models are mostly based on machine learning andcomputational intelligence methodologies.Interpolative Boolean algebra (IBA) is a consistent real valued 0,1 realization of theBoolean algebra which satisfies all the Boolean axioms and theorems, which is its mainadvantage compared to the other logics. The preservation of all the Boolean laws has led todevelopment of several other methodologies based on IBA, one of which being logicalaggregation (LA), which is used in this dissertation as an IBA part of hybrid IBA-DE model. Theother methodology used in this model is the differential evolution (DE) - an iterative directsearch algorithm which belongs to the family of the metaheuristic methods. One of its mainfeatures is the ability to be applied to a problem without prior knowledge about it, other than itsixdomain, constraints and objective function. Therefore, DE algorithm considers an optimization problem as a black box, not requiring any information about the problem being solved.

Jezik

srpski

Datum

2023

Licenca

Ovo delo je licencirano pod uslovima licence
Creative Commons CC BY-NC-ND 3.0 AT - Creative Commons Autorstvo - Nekomercijalno - Bez prerada 3.0 Austria License.

http://creativecommons.org/licenses/by-nc-nd/3.0/at/legalcode

Predmet

OSNO - Opšta sistematizacija naučnih oblasti, Inženjerstvo. Tehnika uopšte

interpolative Boolean algebra, differential evolution, credit rating, computational intelligence, machine learning, credit risk

OSNO - Opšta sistematizacija naučnih oblasti, Inženjerstvo. Tehnika uopšte

interpolativna Bulova algebra, diferencijalna evolucija, kreditni rejting, računarska inteligencija, mašinsko učenje, kreditni rizik