KOMPARATIVNA ANALIZA MODELA KREDITNOG SKORINGA: KONVENCIJALNI VS MODELI BAZIRANI NA MAŠINSKOM I DUBOKOM UČENJU

Milovan Rankov

Ekonomske ideje i praksa, 2025, issue 57, 29-45

Abstract: Ovaj istraživački rad predstavlja komparativnu analizu različitih modela kreditnog skoringa, fokusirajući se na poređenje logističke regresije sa naprednim modelima mašinskog i dubokog učenja. Kao indikatori performansi modela i osnova za poređenje njihove efikasnosti biće korišćeni tačnost, preciznost, F1, opoziv, Gini i AUC. Jedan od osnovnih ciljeva ovog rada jeste da na transparentan način prikaže efikasnost različitih model i ukaže na njihove prednosti odnosno nedostatke. Za emprijsku analizu biće korišćena „Kaggle” baza podataka o ponašanju dužnika, a samo modeliranje će biti rađeno u razvojnom okruženju PyCharm koristeći Python programski jezik. Jedan od osnovnih rezultata istraživanja jeste da su modeli bazirani na dubokom učenju daleko efikasniji od ostalih modela, posmatrano kroz prizmu pomenutih indikatora performansi.

Keywords: modeli kreditnog skoringa; logistička regresija; mašinsko učenje; duboko učenje (search for similar items in EconPapers)
JEL-codes: C45 G21 G32 (search for similar items in EconPapers)
Date: 2025
References: Add references at CitEc
Citations:

Downloads: (external link)
https://www.ekof.bg.ac.rs/journals/eip/2025/01.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:beo:ekidpr:y:2025:i:57:p:29-45

Ordering information: This journal article can be ordered from
http://www.ekof.bg.a ... mske-ideje-i-praksa/

Access Statistics for this article

Ekonomske ideje i praksa is currently edited by Miomir Jakšić

More articles in Ekonomske ideje i praksa from Faculty of Economics and Business, University of Belgrade Contact information at EDIRC.
Bibliographic data for series maintained by Goran Petrić ().