Szűcs Imre - Dr. Pitlik László (OTKA T049013)

Slides:



Advertisements
Hasonló előadás
A lakosság gazdasági várakozásai GKI Fogyasztói Bizalmi Index Mérők Klubja május 30. Udvardi Attila Kutatásvezető GKI Gazdaságkutató Zrt.
Advertisements

Meteorológiai Előrejelzés Adatbányászati Támogatással Putnoki Gyula GTK ISZAM II.évf. Társszerzők: az ISZAM-os Meteor-team TDK-konferencia 2007 Gödöllő.
Makroökonómia gyakorlat
Nemzetközi gazdaságstatisztika
Társadalmi haszon az adatok mélyén Surján László, gazdasági igazgató, IQSYS Sipos Ferenc, BI ágazatvezető, IQSYS.
Budapesti Műszaki és Gazdaságtudományi Egyetem Távközlési és Médiainformatikai Tanszék Gáspár-Papanek Csaba Ügyvivő szakértő
Szűcs Imre CRM elemző GE Consumer Finance Budapest Bank Rt.
Pac-Man játék tanulása Megerősítéses Tanulással Mesterséges Intelligencia algoritmusok tesztelése játékokon Gyenes Viktor Eötvös Loránd Tudományegyetem.
SVM alkalmazása churn előrejelzésre
2009 Merényi Zsuzsanna Közoktatási szakértő-középiskolai tanár
IRE 8 /38/ 1 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – I ntelligens R endszerek E lmélete 8.
SAS Enterprise Miner 2. gyakorlat
Gazdasági előrejelzések és elemzések
Statisztikai információ Készítette: Győre Viktória.
Osztályozás -- KNN Példa alapú tanulás: 1 legközelebbi szomszéd, illetve K-legközelebbi szomszéd alapú osztályozó eljárások.
Példa az Early-algoritmus alkalmazására
2006. július 11.SAS Felsőoktatási Fórum1 Adatbányászat oktatása a SAS rendszerrel a Debreceni Egyetemen Ispány Márton DE, Informatikai Kar.
Intertemporális választás
Mesterséges neuronhálózatok
Statisztika II. VI. Dr. Szalka Éva, Ph.D..
Gazdaságstatisztika Jogász képzés. Néhány fontos makrogazdasági index GDP volumenindexe Ipari termelői index Mezőgazdasági felvásárlási és termelői árindexek.
Üzleti intelligencia Kecskemét 2007 ősz. BI Business Intelligence Üzleti Intelligencia Bevételnövelő és költségcsökkentő lehetőségek feltárása, döntéstámogatás.
Pitlik, SZIE , IIR Gazdaságpolitikai előrejelzések adatbányászat segítségével IIRIIR szakkonferencia a felsővezetés számára: Adatbányászat & tudásfeltárás.
Adatbányászati modellek aggregálása
Online hasonlóságelemzések: Online hasonlóságelemzések: Tapasztalatok (kukorica) hozamfüggvények levezetése kapcsán Pitlik László, SZIE Gödöllő (Forrás:
Evapotranspiráció elõrejelzése mesterséges neuronális halózatok segitségével Wójcicki Andrzej, GTK V. konzulens: Dr. Pitlik László Gazdasági Informatika.
Hiányzók: Varga László, Horváth Balázs Szervezeti környezet.
Kontrolling házi dolgozat
Dr. Szalka Éva, Ph.D.1 Statisztika II. VI.. Dr. Szalka Éva, Ph.D.2 Regresszióanalízis.
GKI Zrt., Öngólok után – kell egy gazdaságpolitika Szeged, október 1. Dr. Vértes András elnök GKI Gazdaságkutató Zrt.
Egytényezős variancia-analízis
STATISZTIKA II. 7. Előadás
Cím Petz Raymund, kutatásvezető december 6. Az üzleti és lakossági felmérésekből származó „sentiment” indikátorok.
Statisztika a szociológiában
Partner Dr. Czira Zsuzsanna, egyetemi adjunktus BME VET VM A megbízhatóság alapjai Villamosenergia-minőség Szaktanfolyam Megbízhatóság.
Gazdaságprognózis Dr. Vértes András elnök
A magyar gazdaság várható helyzete
Csoportosítás (klaszterezés) A csoportosítás feladata a vizsgált objektumok jól elkülönülő csoportba történő besorolása. A klaszterezés sok szempontból.
Internetes bankok piacformáló hatása
1 Jelentés a pénzügyi stabilitásról április.
Árszabályozás az energiaszektorban: eredmények és kihívások Varró László Vezető Közgazdász
Többváltozós adatelemzés
Copyright 2007, SPSS Hungary. 1 SPSS 16 újdonságok.
Részecskenyom analízis és osztályozás Pálfalvi József MSc, Intelligens Rendszerek, Önálló labor 1.
Paleobiológiai módszerek és modellek 4. hét
Orvosbiológiai képkereső rendszer teljesítményének képek osztályozásán alapuló javítása Június 23, 2008 Budapest Altrichter Márta Konzulens: dr. Horváth.
Lesz-e növekedés az „elrugaszkodás éve (2012)” után? március 26. Dr. Molnár László Vezérigazgató GKI Gazdaságkutató Zrt. „2012 igazi rejtélye nem.
Telekommunikációs vállalat 100 százalékkal növelte a válaszarányokat az SPSS Clementine® segítségével.
Európa, a régió és Magyarország bankszektorának kilátásai – XXVIII. Vezérigazgatói találkozó Siba Ignác szeptember 12. – Röjtökmuzsaj.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Megerősítő elemzés „Big Data” elemzési módszerek Salánki.
Részecskenyom analízis és osztályozás Pálfalvi József MSc, Intelligens Rendszerek, Önálló labor 1. Egyetemi konzulens: dr. Dobrowiecki Tadeusz (BME MIT)
Kutatási beszámoló 2002/2003 I. félév Iváncsy Renáta.
Pitlik László, SZIE1 IDARA & IACS, avagy úton a modern adatvagyon-gazdálkodás felé IA 2002, Debrecen.
Mesterséges Neurális Hálózatok 3. előadás
Az oktatás, az egészségügyi, valamint a szociális ellátás, mint versenyképességi tényezők Április 6. Dr. Molnár László Vezérigazgató GKI Gazdaságkutató.
BI körkép Ragoncsa Géza. Tartalom Nagyadat-nagytárház Szövegintelligencia – a hírszerzés forradalma Üzleti haszon a hálózatok mélyén HIFI - Egy intelligens.
NÉHÁNY MEGJEGYZÉS A HAZAI KISTÉRSÉGEK ÉVI KOMPLEX VERSENYKÉPESSÉGI RANGSORÁHOZ Buskó Tibor László PhD.
1 © GfK Hungária | Superbrands 2015 SUPERBRANDS KUTATÁS 2015 GfK Hungária, Consumer Experiences január 28. Alap / Premium kutatási csomagok leírása.
Startup felvásárlások multikulturális hátterének elemzése, avagy mesterséges intelligencia alapú ellenőrzőszámítás diszkriminancia-elemzéshez Barta Gergő,
A kutatási program leírása
Válogatott fejezetek a közlekedésgazdaságtanból
„Big Data” elemzési módszerek
III. előadás.
Üzleti intelligencia megoldások, avagy vezetői döntéstámogatás (XXI.)
Szani Ferenc, Pitlik László, Balogh Anikó
Oktatás-Informatika-Pedagógia konferencia (OIP 2018)
Játékosított keretrendszerben történő tanulásból nyert log-adatokra alapozó profilírozás Pitlik Mátyás, Pitlik László (sen) és Pitlik László (jun) ELTE/IK,
Bunkóczi László, Dr.Pitlik László, Pető István, Szűcs Imre
A mesterséges neuronhálók alapjai
A Box-Jenkins féle modellek
Előadás másolata:

Szűcs Imre - Dr. Pitlik László (OTKA T049013) Konzisztens jövőképek levezetésének módszertani lehetőségei a bankszektorban, avagy lakossági termékvásárlási modellek és viselkedési hitelpontozó kártyák fejlesztése makrogazdasági peremfeltételekkel Szűcs Imre - Dr. Pitlik László (OTKA T049013)

Lakossági bankok kihívásai modellezési szempontból Éles verseny Költség(új ügyfél) >> Költség(meglévő ügyfél megtartása) Keresztértékesítés Lemorzsolódás előrejelzése Ügyfélérték Basel II + Score Card Credit Score card PD LGD EAD Versenytársak!

Adatbányászati módszerek Felügyelt tanulás Logisztikus regresszió Döntési fák Mesterséges neurális hálózatok SVM Score Card Solution (SAS Institute) Felügyelet nélküli tanulás Klaszterezés - profilozás

Makrogazdasági változás Ügyfél szemével nézve (Szubjektív mérőszámok) Lakossági fogyasztói bizalmi index (GKI) Marketingtevékenység hatása Hitelfelvételi eljárások egyszerűsödése Életviteli költségek Objektív mutatók Reáljövedelem Rendelkezésre álló jövedelem

Inkonzisztencia Makrogazdasági változókból levezetett jövőkép és a belső adatbányászati modellek alapján előre vetített jövőkép egymásnak ellentmond. Modellezésnél figyelembe kell venni a makrogazdaság állapotát leíró változókat a háztartások által tapasztalt, szubjektív makrogazdasági környezetet

Anyag Fogyasztói bizalmi index Lakossági hitelállomány Reáljövedelem Hipotetikus banki reklámtevékenység Hipotetikus hitelfelvételi eljárás bonyolultsága Termékaffinitási modell Lakossági hitelpontozó kártya (score card)

A fogyasztói bizalmi index és a lakossági hitelállomány alakulása 1996 A fogyasztói bizalmi index és a lakossági hitelállomány alakulása 1996. január és 2007. márciusa között. Forrás: GKI Forrás: MNB

Módszer – termékaffinitás modell mesterséges neurális hálózattal Multilayer Perceptron Aktivációs függvény: tangens hiperbolikus Kombinációs függvény: lineáris Rejtett rétegek száma: 3 Leállítási kritérium: „early stopping” Tanulási/validációs/tesztelési minta megoszlása: 40% / 30% / 30% (véletlenszerűen) Visszamérés: ASE (Average Squared Error) Kolmogorov-Smirnov statisztika ROC (Receiver Operating Characteristic) Szoftver SAS Base 9.1.3 SAS STAT SAS Enterprise Miner 5.2

Alapadatok

Eredmények ROC a vízszintes tengelye(False Rate): a tévesen „rossz” ügyfélnek sorolt ügyfelek aránya az összes „rossz” ügyfélhez viszonyítva, adott becsült valószínűség mellett. Függőleges (Hit Rate) tengelye: a helyesen „rossz” ügyfélnek sorolt ügyfelek aránya az összes „rossz” ügyfél számához viszonyítva, adott becsült valószínűség mellett. Neural – Modell_1 Neural2 – Modell_2 Készült: SAS Enterprise Miner 5.2

Konklúzió szubjektív jellegű adatok használata javítja a modellek előrejelző képességét Fogyasztói bizalmi index marketingtevékenység ügyfelekre gyakorolt hatásának Konzisztens előrejelzés Továbblépés Hitelpontozó kártya Objektív és szubjektív makrogazdasági adatok által keltett „csapdahelyzetek” feltárása

Köszönöm a figyelmet! Szűcs Imre SZIE GSZDI / MKB Bank Tel.: 36-70-311-9770 e-mail: icsusz@gmail.com