Predicting the Default Risk of Companies. Comparison of Credit Scoring Models: Logit Vs Support Vector Machines

Abildgren K., Buchholst B.V., Staghøj J., 2011, Bank-firm relationships and the performance of non-financial firms during the financial crisis 2008-09 microeconometric evidence from large-scale firm-level data, Working Paper, no. 73. Danmarks National Bank.Search in Google Scholar

Akbani R., Kwek S., Japkowicz N., 2004, Applying support vector machines to imbalanced datasets, In Machine Learning: ECML 2004. Springer, pp. 39-50.10.1007/978-3-540-30115-8_7Search in Google Scholar

Anderson R., 1999, The Credit Scoring Toolkit: Theory and Practice for Retail Credit Risk Management and Decision Automation, Oxford University Press, New York.Search in Google Scholar

Anderson R., 2007, The Credit Scoring Toolkit: Theory and Practice for Retail Credit Risk Management and Decision Automation, Oxford: Oxford University Press.Search in Google Scholar

Anderson R., 2015, Piecewise Logistic Regression: an Application in Credit Scoring, Credit Scoring and Control Conference XIV, Edinburgh.Search in Google Scholar

Antonowicz P., 2007, Metody oceny i prognoza kondycji ekonomiczno-finansowej przedsiębiorstw, Gdańsk.Search in Google Scholar

Appenzeller D., Szarzec K., 2004, Prognozowanie zagrożenia upadłością polskich spółek publicznych, Rynek Terminowy, no. 1, pp. 120-128.Search in Google Scholar

Auria L., Moro R., 2008, Support Vector Machines (SVM) as a Technique for Solvency Analysis, Discussion Papers, DIW Berlin.10.2139/ssrn.1424949Search in Google Scholar

Bellotti T., Crook J., 2009, Support vector machines for credit scoring and discovery of significant features, Expert Systems with Applications vol. 36, no. 2, pp. 3302-3308.10.1016/j.eswa.2008.01.005Search in Google Scholar

Crone S., Finlay S., 2012, Instance sampling in credit scoring: An empirical study of sample size and balancing, International Journal of Forecasting, vol. 28.10.1016/j.ijforecast.2011.07.006Open DOISearch in Google Scholar

Gajdka J., Stos D., 1996, Wykorzystanie analizy dyskryminacyjnej w przewidywaniu bankructwa spółki, [w:] Duraj J. (red.), Przedsiębiorstwo na rynku kapitałowym, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.Search in Google Scholar

Gajdka J., Stos D., 2003, Ocena kondycji finansowej polskich spółek publicznych w okresie 1998-2001, [w:] Zarzecki D. (red.), Czas na pieniądz. Zarządzanie finansami. Mierzenie wyników i wycena przedsiębiorstw, tom I, Wydawnictwo Uniwersytetu Szczecińskiego, Szczecin.Search in Google Scholar

Ghodselahi A., 2011, A hybrid support vector machine ensemble model for credit scoring, International Journal of Computer Applications, no. 17.10.5120/2220-2829Search in Google Scholar

Görg H., Spaliara M. E., 2009, Financial Heath, exports and firm survival: A comparison of British and French firms, Kiel Institute for the World Economy Working Paper 1568.Search in Google Scholar

Gray R., Owen D., Sopher M.J., 1998, Setting up a control system for your organization, Nonprofit World, vol. 16, no 3, pp. 65-76.Search in Google Scholar

Gruszczyński M., 2003, Modele mikroekonometrii w analizie i prognozowaniu zagrożenia finansowego przedsiębiorstw, Studia Ekonomiczne nr 34, Wydawnictwo INE PAN, Warszawa.Search in Google Scholar

Hadasik D., 1998, Upadłość przedsiębiorstw w Polsce i metody jej prognozowania, Zeszyty Naukowe, Seria II, nr 153, Akademia Ekonomiczna w Poznaniu, Poznań.Search in Google Scholar

Haltuf M., 2014, Support Vector Machine for Credit Scoring, University of Economics in Prague.Search in Google Scholar

Hamrol M., Czajka B., Piechocki M., 2004, Upadłość przedsiębiorstwa – model analizy dyskryminacyjnej, Przegląd Organizacji, no. 6, pp. 35-39.10.33141/po.2004.06.09Search in Google Scholar

Härdle W., Moro R., Schäfer D., 2007, Estimating Probabilities of Default With Support Vector Machines, http://edoc.hu-berlin.de/series/sfb-649-papers/2007-35/PDF/35.pdf.10.2139/ssrn.2794004Search in Google Scholar

Härdle W., Lee Y.-J., Schäfer D., Yeh Y.-R., 2008, The Default Risk of Firms Examined with Smooth Support Vector Machines, SFB 649 Discussion Papers SFB649DP2008-005, Sonderforschungsbe-reich 649, Humboldt University, Berlin, Germany.Search in Google Scholar

Härdle W., Lee Y.-J., Schäfer D., Yeh Y.-R., 2009, Variable selection and oversampling in the use of smooth support vector machine for predicting the default risk of companies, Journal of Forecasting, vol. 28, no. 6, pp. 512-534.10.1002/for.1109Open DOISearch in Google Scholar

Hołda A., 2001, Prognozowanie bankructwa jednostki w warunkach gospodarki polskiej z wykorzystaniem funkcji dyskryminacyjnej ZH, Rachunkowość, no. 5, pp. 306-310.Search in Google Scholar

Jankowitsch R., Pichler S., Schwaiger W., 2007, Modelling the economic value of credit rating systems, Journal of Banking & Finance, vol. 31, no. 1.10.1016/j.jbankfin.2006.01.003Open DOISearch in Google Scholar

Korol T., Prusak B., 2005, Upadłość przedsiębiorstw a wykorzystanie sztucznej inteligencji, CeDeWu.pl., Wydawnictwo Fachowe, Warszawa.Search in Google Scholar

Kisielińska J., Waszkowski A., Polskie modele do prognozowania bankructwa przedsiębiorstw i ich weryfikacja, On line. http://www.wne.sggw.pl/czasopisma/pdf/EIOGZ_2010_nr82_s17.pdf.Search in Google Scholar

Lacerda A., Russ I., Moro A., 2008, Analysis of the predictors of default for Portuguese firms, https://www.bportugal.pt/en-US/BdP%20Publications%20Research/WP200822.pdf.Search in Google Scholar

Lovie A., Lovie P., 1986, The flat maximum effect and linear scoring models for prediction, Journal of Forecasting, vol. 5, no. 3.10.1002/for.3980050303Open DOISearch in Google Scholar

Mączyńska E.,1994, Ocena kondycji przedsiębiorstwa (uproszczone metody), Życie Gospodarcze, no. 38, pp. 42-45.Search in Google Scholar

Mączyńska E., Zawadzki M., 2006, Dyskryminacyjne modele predykcji bankructwa przedsiębiorstw, Ekonomista. Warszawa.Search in Google Scholar

Mercer J., 1990, Functions of positive and negative type and their connection with the theory of integral equations, Philosophical Transactions of the Royal Society of London, no. 209.Search in Google Scholar

Nehrebecka N., 2011, Wykorzystanie łańcuchów Markowa do prognozowania zmian w strukturze polskich przedsiębiorstw, Gospodarka Narodowa, no. 10.Search in Google Scholar

Nehrebecka N., 2015, Approach to the assessment of credit risk for non-financial corporations, Poland Evidence, Bank for International Settlements.Search in Google Scholar

Pogodzińska M., Sojak S., 1995, Wykorzystanie analizy dyskryminacyjnej w przewidywaniu bankructwa przedsiębiorstw, AUNC, Ekonomia XXV, no. 299, Toruń.Search in Google Scholar

Prusak B., 2005, Nowoczesne metody prognozowania zagrożenia finansowego przedsiębiorstw, Warszawa.Search in Google Scholar

Rossi S. P.S., Schwaiger M. S., Winkler G., 2009, How loan portfolio diversification affects risk, efficiency and capitalization: A managerial behavior model for Austrian banks, Journal of Banking & Finance, Elsevier, vol. 33, no.12, pp. 2218-2226.10.1016/j.jbankfin.2009.05.022Open DOISearch in Google Scholar

Schebesch, K.B., Stecking R., 2005, Support vector machines for classifying and describing credit applicants: detecting typical and critical regions, Journal of the Operational Research Society, vol. 56, no. 9, pp. 1082-1088.10.1057/palgrave.jors.2602023Search in Google Scholar

Sharma D., 2011, Evidence in Favor of Weight of Evidence and Binning Transformations for Predictive Modeling, Social Science Research Network.10.2139/ssrn.1925510Search in Google Scholar

Shawe-Taylor J., Cristianini N., 2000, Support Vector Machines and Other Kernel-Based Learning Methods, Cambridge University Press.10.1017/CBO9780511801389Search in Google Scholar

Siarka P., 2011, Quality measures of scoring models, Journal of Risk Management in Financial Institutions, London.Search in Google Scholar

Sojak S., Stawicki J., 2001, Wykorzystanie metod taksonomicznych do oceny kondycji ekonomicznej przedsiębiorstw, [w:] Bednarski L. (red.), Zeszyty teoretyczne rachunkowości, tom 3 (59), Warszawa, pp. 56-67.Search in Google Scholar

Wierzba D., 2000, Wczesne wykrywanie przedsiębiorstw zagrożonych upadłością na podstawie wskaź-ników finansowych – teoria i badania empiryczne, Zeszyty Naukowe nr 9, Wydawnictwo Wyższej Szkoły Ekonomiczno-Informacyjnej w Warszawie, Warszawa, pp. 79-105.Search in Google Scholar