IDEAS home Printed from https://ideas.repec.org/a/diw/diwwob/71-490-1.html
   My bibliography  Save this article

Support Vector Machines: eine neue Methode zum Rating von Unternehmen

Author

Listed:
  • Wolfgang K. Härdle
  • Rouslan A. Moro
  • Dorothea Schäfer

Abstract

Die Rekordzahlen an Unternehmensinsolvenzen, die schlechte Ertragslage der deutschen Kreditinstitute in den vergangenen Jahren und der von Basel II ausgehende Druck zur Verwendung von realitätsnahen Ausfallwahrscheinlichkeiten haben es überdeutlich gemacht: Der Bedarf an leistungsfähigen Insolvenzprognosemodellen ist immens. Mehr denn je suchen Banken, aber auch andere Finanzdienstleister wie Venture-Capital-Firmen nach geeigneten Methoden, um möglichst treffsicher das Risiko abschätzen zu können, mit dem ein Unternehmen während einer gegebenen Vorhersageperiode insolvent wird. Fehleinschätzungen bei den Ausfallraten von Krediten haben nicht nur einzelwirtschaftliche Auswirkungen. Auch die Stabilität des Finanzsystems und damit die Liquiditätsversorgung der Volkswirtschaft hängen entscheidend davon ab, ob Banken ihre Kreditrisiken richtig einschätzen und eine adäquate Risikovorsorge treffen können. Forschungsarbeiten des DIW Berlin in Zusammenarbeit mit dem Center for Applied Statistics and Economics (CASE, Humboldt-Universität zu Berlin) haben ergeben, dass Support Vector Machines, kurz SVMs, den Anforderungen an qualitativ hochstehende Insolvenzprognosemodelle in besonderer Weise gerecht werden. Support Vector Machines als Instrument zur Vorhersage von Insolvenzen zu nutzen ist neu. Bei Klassifikationsproblemen in der Biometrie (Früherkennung von Krankheiten) und im Bereich der Mustererkennung werden SVMs jedoch bereits seit geraumer Zeit mit guten Ergebnissen eingesetzt.

Suggested Citation

  • Wolfgang K. Härdle & Rouslan A. Moro & Dorothea Schäfer, 2004. "Support Vector Machines: eine neue Methode zum Rating von Unternehmen," DIW Wochenbericht, DIW Berlin, German Institute for Economic Research, vol. 71(49), pages 759-765.
  • Handle: RePEc:diw:diwwob:71-490-1
    as

    Download full text from publisher

    File URL: http://www.diw.de/documents/publikationen/73/diw_01.c.92658.de/04-49-1.pdf
    Download Restriction: no

    Citations

    Citations are extracted by the CitEc Project, subscribe to its RSS feed for this item.
    as


    Cited by:

    1. Laura Auria & Rouslan A. Moro, 2008. "Support Vector Machines (SVM) as a Technique for Solvency Analysis," Discussion Papers of DIW Berlin 811, DIW Berlin, German Institute for Economic Research.

    More about this item

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:diw:diwwob:71-490-1. See general information about how to correct material in RePEc.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: (Bibliothek). General contact details of provider: http://edirc.repec.org/data/diwbede.html .

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service hosted by the Research Division of the Federal Reserve Bank of St. Louis . RePEc uses bibliographic data supplied by the respective publishers.