| Περίληψη : | Αυτή η διατριβή διερευνά τη χρήση των μοντέλων Cox και δένδρων επιβίωσης στην αξιολόγηση πιστοληπτικής ικανότητας, με στόχο την παροχή πλήρους αξιολόγησης της απόδοσης και της εφαρμοσιμότητάς τους. Η μελέτη συγκρίνει διεξοδικά την πολυπλοκότητα των μοντέλων, την ερμηνευσιμότητα, τα μέτρα απόδοσης, τις υποθέσεις, τη σημασία των μεταβλητών, την ανθεκτικότητα, τη γενικευσιμότητα και τις πρακτικές επιπτώσεις. Τα μοντέλα Cox, με τη παραμετρική τους φύση και τις γραμμικές υποθέσεις τους, αντιπαραβάλλονται με τα δένδρα επιβίωσης, τα οποία προσφέρουν μη παραμετρική ευελιξία. Τα προβλήματα ερμηνευσιμότητας και οι δείκτες απόδοσης, όπως ο δείκτης C του Harrell και τα διαγράμματα βαθμονόμησης, εξετάζονται, ρίχνοντας φως στη διακριτότητα, τη βαθμονόμηση και την προστιθέμενη αξία. Η ανάλυση σημασίας των μεταβλητών παρέχει πληροφορίες για τους επιδραστικούς προγνωστικούς παράγοντες, ενώ οι δοκιμές ανθεκτικότητας και γενικευσιμότητας των μοντέλων υπογραμμίζουν την πρακτική τους χρησιμότητα. Αναγνωρίζοντας τους περιορισμούς, η διατριβή προτείνει κατευθύνσεις για μελλοντική έρευνα που στοχεύει στη βελτίωση της ανθεκτικότητας των μοντέλων και της εφαρμογής τους στην αξιολόγηση πιστοληπτικής ικανότητας και σε συναφείς τομείς, συμβάλλοντας έτσι στις εξελίξεις στις μεθόδους προγνωστικής μοντελοποίησης και εκτίμησης κινδύνου.
This dissertation investigates the use of Cox proportional hazards and survival tree models in credit scoring, with the goal of providing a full evaluation of their performance and applicability. The study thoroughly compares model complexity, interpretability, performance measures, assumptions, variable relevance, robustness, generalizability, and practical implications. Cox models, with their parametric nature and linear assumptions, are contrasted with survival trees, which offer nonparametric flexibility. The interpretability problems and performance indicators, such as Harrell's C-index and calibration plots, are examined, shedding light on discrimination, calibration, and added value. Variable significance analysis provides insights into influential predictors, while model robustness and generalizability tests highlight their practical utility. Recognising limits, the thesis suggests routes for future research aimed at improving model robustness and application in credit scoring and related areas, hence contributing to advances in predictive modelling and risk assessment methods.
|
|---|
Copyright © 2013 Βιβλιοθήκη Ο.Π.Α. Με την επιφύλαξη παντός δικαιώματος.