A Novel Hybrid Regression Model for Banking Loss Estimation

Pınar Karadayı Ataş

Makale detayları

A Novel Hybrid Regression Model for Banking Loss Estimation

Yazarlar:

Pınar Karadayı Ataş

Yayıncı:

Bingol University

Ana Başlıklar:

Ekonometrik ve İstatistiksel Yöntemler | Ekonometri (Diğer) | Mikro İktisat (Diğer) | Uluslararası İktisat (Diğer) | Finans ve Yatırım (Diğer)

Dergi:

Bingöl Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Vol.8 Issue 1, pp.91-105

Belge Tipi:

Makale

Yayın Tarihi:

6/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001320119

pISSN:

2651-3234

Anahtar kelimeler:

Özet:

 Given the critical need to identify financial risks in the banking sector early, this study presents a novel approach that uses historical financial ratios from the FDIC database to predict bank failures in the United States. Accurate estimation of potential losses is essential for risk management and decision-making procedures. We present a novel hybrid approach to loss estimation in the context of bank failures in this study. ElasticNet regression and relevant data extraction techniques are combined in our method to improve prediction accuracy. We conducted thorough experiments and evaluated our hybrid approachs performance against that of conventional regression techniques. With a remarkably low Mean Squared Error MSE of 0.001, a significantly high R-squared value of 0.98, and an Explained Variance Score of 0.95, our proposed model demonstrates superior performance compared to existing methodologies. The accuracy of our method is further demonstrated by the Mean Absolute Error MAE of 1200 units. Our results highlight the potential of our hybrid approach to transform loss estimation in the banking and finance domain, offering superior predictive capabilities and more accurate loss estimations.

 Given the critical need to identify financial risks in the banking sector early, this study presents a novel approach that uses historical financial ratios from the FDIC database to predict bank failures in the United States. Accurate estimation of potential losses is essential for risk management and decision-making procedures. We present a novel hybrid approach to loss estimation in the context of bank failures in this study. ElasticNet regression and relevant data extraction techniques are combined in our method to improve prediction accuracy. We conducted thorough experiments and evaluated our hybrid approachs performance against that of conventional regression techniques. With a remarkably low Mean Squared Error MSE of 0.001, a significantly high R-squared value of 0.98, and an Explained Variance Score of 0.95, our proposed model demonstrates superior performance compared to existing methodologies. The accuracy of our method is further demonstrated by the Mean Absolute Error MAE of 1200 units. Our results highlight the potential of our hybrid approach to transform loss estimation in the banking and finance domain, offering superior predictive capabilities and more accurate loss estimations.

 Given the critical need to identify financial risks in the banking sector early, this study presents a novel approach that uses historical financial ratios from the FDIC database to predict bank failures in the United States. Accurate estimation of potential losses is essential for risk management and decision-making procedures. We present a novel hybrid approach to loss estimation in the context of bank failures in this study. ElasticNet regression and relevant data extraction techniques are combined in our method to improve prediction accuracy. We conducted thorough experiments and evaluated our hybrid approachs performance against that of conventional regression techniques. With a remarkably low Mean Squared Error MSE of 0.001, a significantly high R-squared value of 0.98, and an Explained Variance Score of 0.95, our proposed model demonstrates superior performance compared to existing methodologies. The accuracy of our method is further demonstrated by the Mean Absolute Error MAE of 1200 units. Our results highlight the potential of our hybrid approach to transform loss estimation in the banking and finance domain, offering superior predictive capabilities and more accurate loss estimations.

 Bankacılık sektöründeki finansal risklerin erken dönemde belirlenmesine yönelik kritik ihtiyaç göz önüne alındığında, bu çalışma, Amerika Birleşik Devletlerindeki banka başarısızlıklarını tahmin etmek için FDIC veri tabanındaki tarihsel finansal oranları kullanan yeni bir yaklaşım sunmaktadır. Potansiyel kayıpların tahmini önemlidir. Bu çalışmada banka iflasları bağlamında zarar tahminine yönelik yeni bir hibrit yaklaşım sunuyoruz. Tahmin doğruluğunu artırmak için ElasticNet regresyon ve ilgili veri çıkarma teknikleri önerdiğimiz yöntemde birleştirilmiştir. Önerilen hibrit yaklaşımın performansı kapsamlı deneyler yapılarak geleneksel regresyon tekniklerine göre değerlendirilmiştir. 0,001lik son derece düşük Ortalama Kare Hatası MSE, 0,98lik oldukça yüksek R-kare değeri ve 0,95lik açıklanan varyans skoru ile önerdiğimiz model mevcut metodolojilere kıyasla üstün performans sergilemektedir. Yöntemimizin doğruluğu 1200 birimlik ortalama mutlak hata MAE ile gösterilmektedir. Sonuçlarımız, üstün tahmin yetenekleri ve daha doğru kayıp tahminleri sunan, bankacılık ve finans alanında zarar tahminini dönüştürmeye yönelik hibrit yaklaşımımızın potansiyelini vurgulamaktadır.

Makale detayları

A Novel Hybrid Regression Model for Banking Loss Estimation

Yazarlar:

Pınar Karadayı Ataş

Yayıncı:

Bingol University

Ana Başlıklar:

Ekonometrik ve İstatistiksel Yöntemler | Ekonometri (Diğer) | Mikro İktisat (Diğer) | Uluslararası İktisat (Diğer) | Finans ve Yatırım (Diğer)

Dergi:

Bingöl Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Vol.8 Issue 1, pp.91-105

Belge Tipi:

Makale

Yayın Tarihi:

6/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001320119

pISSN:

2651-3234

Financial Risk Analysis

Financial Stability Assessment

Bank Risk Management

Machine Learning.Finansal Risk Analizi

Finansal İstikrar Değerlendirmesi

Banka Risk Yönetimi

Makine Öğrenimi.

Sayı

Makale detayları

Yazarlar: Pınar Karadayı Ataş

Yayıncı: Bingol University

Ana Başlıklar: Ekonometrik ve İstatistiksel Yöntemler | Ekonometri (Diğer) | Mikro İktisat (Diğer) | Uluslararası İktisat (Diğer) | Finans ve Yatırım (Diğer)

Dergi: Bingöl Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Vol.8 Issue 1, pp.91-105

Belge Tipi: Makale

Yayın Tarihi: 6/2024

Belge Dili: İngilizce

Document ID (Org No.): 2001320119

pISSN: 2651-3234

Sayı

Yazarlar:

Pınar Karadayı Ataş

Yayıncı:

Bingol University

Ana Başlıklar:

Ekonometrik ve İstatistiksel Yöntemler | Ekonometri (Diğer) | Mikro İktisat (Diğer) | Uluslararası İktisat (Diğer) | Finans ve Yatırım (Diğer)

Dergi:

Bingöl Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Vol.8 Issue 1, pp.91-105

Belge Tipi:

Makale

Yayın Tarihi:

6/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001320119

pISSN:

2651-3234