BANKINGCLUB - ONLINE

• About this group
• Forums

• Home
• Groups
• BANKINGCLUB - ONLINE
• Forums
• RATING & KRISENMANAGEMENT
• Neue Technologie zur BASEL II- Risikoberechnung aus statistischen Daten

• 
  Prof. Dr. Michael Feindt

  The company name is only visible to registered members.

  06 Apr 2005, 08:21 am

  Neue Technologie zur BASEL II- Risikoberechnung aus statistischen Daten

  Phi-T GmbH ist ein Startup, das aus internationalen
  Elementarteilchenphysik-Projekten (CETA) der Universitaet Karlsruhe
  hervorgegangen ist und revolutionaere Data-Mining und Kuenstliche
  Intelligenz- Algorithmen entworfen hat, die zur Entscheidungsunterstuetzung oder in vollautomatischen Verfahren
  eingesetzt werden koennen. Die NeuroBayes-Technologie hat viele erfolgreiche Anwendungen in der Physik, bei Versicherungen, im
  CRM, im Handel.
  
  Auf die Banken kommt mit Basel II die Aufgabe zu, das Kreditrisiko
  ihrer Kunden möglichst individuell und objektiv zu bewerten. Das
  soll mit verschiedenen Rating- und Scoring-Methoden nach vorher
  festgelegten Kriterien erfolgen und immer weniger der persönlichen
  Beurteilung einzelner Mitarbeiter überlassen werden.
  
  Phi-T hat ein neues statistisches Verfahren entwickelt, um das Risiko
  individueller Kreditnehmer möglichst individuell, auf Basis möglichst
  vieler Kriterien, möglichst objektiv zu bestimmen. Dabei gehen wir nur
  von bei der Bank in Datenbanken vorhandenem statistischen Material aus. Im NeuroBayes-Lernverfahren wird ständig darauf geachtet, ob die
  erkannten Zusammenhänge statistisch relevant sind, reine statistische
  Fluktuationen werden gedämpft. Das Ergebnis des NeuroBayes-Teacher ist eine sogenannte Expertise, eine komprimierte Form der erkannten
  Zusammenhänge. Mit Hilfe des ausgelieferten Programms NeuroBayes-Expert und der entsprechenden Expertise kann die Risikoberechnung dann für jeden neuen Kunden oder Kreditantrag durchgeführt werden.
  
  Alternativ können auf dieser Basis auch einfache mathematische Modelle
  entwickelt, geprüft und optimiert werden. In der Bank schon benutzte
  Bewertungsverfahren und Erfahrungen können leicht in das
  NeuroBayes-Verfahren einbezogen werden. Solche Hybrid-Methoden sind oft besonders erfolgreich.
  
  Weitere Informationen: http://www.phi-t.de
  
  
  
  
  Prof. Dr. Michael Feindt wrote: > Phi-T GmbH ist ein Startup, das aus internationalen > Elementarteilchenphysik-Projekten (CETA) der Universitaet Karlsruhe > hervorgegangen ist und revolutionaere Data-Mining und Kuenstliche > Intelligenz- Algorithmen entworfen hat, die zur > Entscheidungsunterstuetzung oder in vollautomatischen Verfahren > eingesetzt werden koennen. Die NeuroBayes-Technologie hat viele > erfolgreiche Anwendungen in der Physik, bei Versicherungen, im > CRM, im Handel. > > Auf die Banken kommt mit Basel II die Aufgabe zu, das Kreditrisiko > ihrer Kunden möglichst individuell und objektiv zu bewerten. Das > soll mit verschiedenen Rating- und Scoring-Methoden nach vorher > festgelegten Kriterien erfolgen und immer weniger der persönlichen > Beurteilung einzelner Mitarbeiter überlassen werden. > > Phi-T hat ein neues statistisches Verfahren entwickelt, um das Risiko > individueller Kreditnehmer möglichst individuell, auf Basis möglichst > vieler Kriterien, möglichst objektiv zu bestimmen. Dabei gehen wir > nur > von bei der Bank in Datenbanken vorhandenem statistischen Material > aus. Im NeuroBayes-Lernverfahren wird ständig darauf geachtet, ob die > erkannten Zusammenhänge statistisch relevant sind, reine statistische > Fluktuationen werden gedämpft. Das Ergebnis des NeuroBayes-Teacher > ist eine sogenannte Expertise, eine komprimierte Form der erkannten > Zusammenhänge. Mit Hilfe des ausgelieferten Programms > NeuroBayes-Expert und der entsprechenden Expertise kann die > Risikoberechnung dann für jeden neuen Kunden oder Kreditantrag > durchgeführt werden. > > Alternativ können auf dieser Basis auch einfache mathematische > Modelle > entwickelt, geprüft und optimiert werden. In der Bank schon benutzte > Bewertungsverfahren und Erfahrungen können leicht in das > NeuroBayes-Verfahren einbezogen werden. Solche Hybrid-Methoden sind > oft besonders erfolgreich. > > Weitere Informationen: www.phi-t.de