Erklärung von Emittentenratings von Banken mittels maschinellen Lernens / Business, Economics, and Law (PDF)
Die derzeitige Wirtschaftslage in Europa ist fragil. Spätestens seit dem Kriegsausbruch in der Ukraine und der damit verbundenen Energiekrise in Europa trüben sich die Wachstumserwartungen. Durch die wirtschaftliche Verflechtung zwischen Staaten und Banken...
sofort als Download lieferbar
Printausgabe 74.99 €
eBook (pdf) -20%
59.99 €
29 DeutschlandCard Punkte sammeln
- Lastschrift, Kreditkarte, Paypal, Rechnung
- Kostenloser tolino webreader
Produktdetails
Produktinformationen zu „Erklärung von Emittentenratings von Banken mittels maschinellen Lernens / Business, Economics, and Law (PDF)“
Die derzeitige Wirtschaftslage in Europa ist fragil. Spätestens seit dem Kriegsausbruch in der Ukraine und der damit verbundenen Energiekrise in Europa trüben sich die Wachstumserwartungen. Durch die wirtschaftliche Verflechtung zwischen Staaten und Banken ist es in diesen unbeständigen Zeiten wichtig, über Instrumente zu verfügen, um schnell auf veröffentliche Geschäftszahlen von Kreditinstituten reagieren zu können und eigenständig die Bonität von Banken einzuschätzen, da die Anpassung eines externen Ratings oftmals mit einer zeitlichen Verzögerung einhergeht. Daher wird auf Basis von drei Datensätzen mittels maschinellen Lernens versucht, die Determinanten von Emittentenratings von europäischen Banken zu erklären. Unter der Verwendung von Entscheidungsbäumen und logistischen Regressionsmodellen sollen die wesentlichen Einflüsse der binären Klassifikation in die Segmente Investmentgrade und Non-Investmentgrade sowie die ordinale Ratingklasse analysiert werden.
Der Autor
Gerrit Brendler studierte nach seiner Bankausbildung "Banking & Finance" an der TH Köln sowie "Risk Management & Treasury" an der FOM in Düsseldorf. Seit August 2019 arbeitet er im Treasury einer Bank.
Autoren-Porträt von Gerrit Brendler
Der AutorGerrit Brendler studierte nach seiner Bankausbildung "Banking & Finance" an der TH Köln sowie "Risk Management & Treasury" an der FOM in Düsseldorf. Seit August 2019 arbeitet er im Treasury einer Bank.
Bibliographische Angaben
- Autor: Gerrit Brendler
- 2023, 1. Aufl. 2023, 147 Seiten, Deutsch
- Verlag: Springer Fachmedien Wiesbaden
- ISBN-10: 3658419105
- ISBN-13: 9783658419103
- Erscheinungsdatum: 08.07.2023
Abhängig von Bildschirmgröße und eingestellter Schriftgröße kann die Seitenzahl auf Ihrem Lesegerät variieren.
eBook Informationen
- Dateiformat: PDF
- Größe: 5.52 MB
- Ohne Kopierschutz
- Vorlesefunktion
Kommentar zu "Erklärung von Emittentenratings von Banken mittels maschinellen Lernens / Business, Economics, and Law"
0 Gebrauchte Artikel zu „Erklärung von Emittentenratings von Banken mittels maschinellen Lernens / Business, Economics, and Law“
Zustand | Preis | Porto | Zahlung | Verkäufer | Rating |
---|
Schreiben Sie einen Kommentar zu "Erklärung von Emittentenratings von Banken mittels maschinellen Lernens / Business, Economics, and Law".
Kommentar verfassen