Predicting Likelihood for Loan Default Among Bank Borrowers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Poverty is a threat to the world. In its extreme form at any part of the world, it will make endanger rest of the world. In fact, it is the source of crime and the worst form of violence. The poor people do not commit any crime but they get punishment out of being born as a poor that is not controllable in their hand. Microfinance has been designed to eliminate poverty and help marginal and poor people through small income generating activities. The borrowers need capital to materialize their dream, may be in a small amount and microfinance can play important role in this scenario. Through microfinance, small entrepreneurs may acquire necessary inputs to start their business. Both local governments and international agencies are trying to eliminate poverty through microfinance programs, services and guidelines. With this concept, Microfinance has been hosted primarily in Bangladesh. Grameen Bank (GB) has been serving large number of people below poverty level in Bangladesh. However, impact of microfinance is still questionable in several studies. Microfinance used properly and returned back to the lender with stipulated amount and time shows its working effectively for poverty alleviation. Otherwise, there must be loan default and the whole system may be in question. We survey with questionnaire to find out factors contributing to loan default among GB borrowers using binomial logistic regression. The results showed that some factors were crucial for loan default and should be treated properly at the start of lending.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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