MétaCan
Menu
Retour à la cohorte
Enregistrement W2572843734 · doi:10.5539/ass.v13n2p176

The Application of Discriminant Model in Managing Credit Risk for Consumer Loans in Vietnamese Commercial Bank

2017· article· en· W2572843734 sur OpenAlexvenueno aff
Nguyen Thuy Duong, Hà Thị Thu, Nguyen Bich Ngoc

Notice bibliographique

RevueAsian Social Science · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Distress and Bankruptcy Prediction
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLoanVietnameseSalaryDiscriminant function analysisLinear discriminant analysisVariablesActuarial scienceBusinessDemographic economicsEconomicsEconometricsStatisticsFinanceMathematics

Résumé

récupéré en direct d'OpenAlex

The study focus on analysing financial status of consumer credit customers of Vietnamese commercial banks through two group discriminant function. Five independent variables were used in which some variables are related with the loan and the others are related with the demographic and socio-economic conditions of the borrower. Particularly, the variables related with the demographic and socio-economic conditions of the borrower are age; number of dependents; years at present job and salary while the independent variable related with the loan is loan amount. The result indicates that the estimated function is significant at 1 per cent level of significance and could forecast financial health with average 72.3 per cent accuracy. Therefore, in this study, the demographic, socio-economic and loan related variables can be used to determine the expected group membership of the borrowers in Vietnam.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,824
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,282
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetFinancial Distress and Bankruptcy PredictionTravaux en français237 207