More Results and the Australian Model Rating Methodology Authors
Notice bibliographique
Résumé
In a continuing effort to provide benchmarks for middle market companies, Moody's has created a model for estimating firm default probabilities using only financial statements. 1 Specifically estimated and tested against middle market firms, Moody's RiskCalc for Canada and the US was released in June 2000. The model allows one to quickly and efficiently attach default probabilities and rank firms from least to greatest probability of default. An unprecedently large dataset of private companies gives us the ability to estimate and validate such a model. As a purely objective, quantitative model, it can serve as a transparent benchmark of credit quality, one that summarizes financial statements into a single number. This report documents the following: • Description of Moody's unique private firm database in Australia, with comparisons to the data on US and Canada, • An updated description of the Moody's methodology for predicting default, • A comparison of the relationship of various financial ratios to default, and • Empirical tests of Moody's model. The following is meant to be a self-contained description of the derivation and testing of Moody's default model, however, some nuances may be omitted. A more complete documentation of the approach is contained in RiskCalcTM for Private Companies: Moody's Default Model. 2 1 "Middle market " means "unlisted " or "private " firms without traded equity information.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».