[논문 리뷰] Proficiency Comparison of LADTree and REPTree Classifiers for Credit Risk Forecast

Lakshmi Devasena C|arXiv (Cornell University)|2015. 03. 23.

Financial Distress and Bankruptcy Prediction인용 수 5

한 줄 요약

이 연구는 독일 신용 데이터셋을 사용하여 신용 리스크 예측을 위한 LADTree 및 REPTree 분류기의 성능을 비교한다. 오픈소스 기계학습 도구를 통해 평가된 결과, REPTree는 정확도와 내성 면에서 LADTree를 뛰어넘어 은행 응용 분야에서 신용 불이행자를 식별하는 데 더 효과적인 분류기로 입증되었다.

ABSTRACT

Predicting the Credit Defaulter is a perilous task of Financial Industries like Banks. Ascertaining non-payer before giving loan is a significant and conflict-ridden task of the Banker. Classification techniques are the better choice for predictive analysis like finding the claimant, whether he/she is an unpretentious customer or a cheat. Defining the outstanding classifier is a risky assignment for any industrialist like a banker. This allow computer science researchers to drill down efficient research works through evaluating different classifiers and finding out the best classifier for such predictive problems. This research work investigates the productivity of LADTree Classifier and REPTree Classifier for the credit risk prediction and compares their fitness through various measures. German credit dataset has been taken and used to predict the credit risk with a help of open source machine learning tool.

연구 동기 및 목표

• LADTree 및 REPTree 분류기의 신용 리스크 예측 능력을 평가하고 비교하는 것.
• 은행 및 금융기관에서 신용 불이행자를 정확하게 식별하는 데 도전하는 문제를 해결하는 것.
• 실제 신용 데이터에서 예측 정확도와 신뢰성 측면에서 LADTree 또는 REPTree 중 어떤 분류기가 더 우수한지 규명하는 것.
• 금융기관이 신용 리스크 평가를 위한 최적의 기계학습 모델을 선택하는 데 지원하는 것.

제안 방법

• 이 연구는 신용 리스크 예측 분야에서 널리 알려진 기준 데이터셋인 독일 신용 데이터셋을 사용한다.
• LADTree 및 REPTree 분류기는 오픈소스 기계학습 도구를 통해 훈련 및 테스트된다.
• 정확도, 정밀도, 재현율, F1 점수와 같은 표준 분류 지표를 사용하여 성능을 평가한다.
• 공정성과 결과의 신뢰성을 확보하기 위해 동일한 실험 조건 하에서 비교가 수행된다.
• 분류기 성능의 차이가 통계적으로 유의미한지 평가하기 위해 통계적 평가가 수행된다.
• 분석은 각 모델이 신용 가능자 또는 불이행자로 신용 신청자를 분류하는 능력에 집중한다.

실험 결과

연구 질문

• RQ1 독일 신용 데이터셋에서 LADTree 또는 REPTree 중 어떤 분류기가 더 높은 정확도를 보이며 신용 리스크를 예측하는가?
• RQ2 LADTree 및 REPTree는 불이행자를 식별하는 데 있어 정밀도와 재현율 측면에서 어떻게 성능을 발휘하는가?
• RQ3 불균형한 신용 리스크 데이터에 적용되었을 때 LADTree 및 REPTree의 상대적 내성은 어떠한가?
• RQ4 REPTree는 신용 리스크 예측에서 LADTree에 비해 뛰어난 일반화 능력을 보여주는가?

주요 결과

• REPTree는 독일 신용 데이터셋에서 신용 리스크 예측 시 LADTree보다 더 높은 총합 정확도를 달성했다.
• REPTree는 더 높은 정밀도와 재현율을 보이며 실제 불이행자를 식별하는 데서 더 강력한 성능을 보였다.
• LADTree는 다양한 데이터 분할에서 성능이 낮은 안정성과 높은 분산을 보였다.
• 결과는 REPTree가 일관된 성능을 보이며 실세계 신용 리스크 예측에 더 적합하다는 것을 시사한다.
• 이 연구는 REPTree가 신용 리스크 분류 작업에서 예측 정확도와 내성 면에서 LADTree를 뛰어넘는다는 것을 확인했다.
• 연구 결과는 불이행 리스크를 최소화하고자 하는 금융기관에서 REPTree를 선호하는 분류기로 사용할 것을 지지한다.