Kreditwürdigkeitsprüfung mit Hilfe Neuronaler Netze im Privatkundengeschäft - Darstellung und kritische Würdigung


Seminararbeit, 2004

23 Seiten, Note: 1.7


Leseprobe


Page 1


1. Einleitung

1.1 Problemstellung

Im Rahmen eines Kreditvergabe-Entscheidungsprozesses nimmt die Kreditwürdigkeitsprüfung (KWP), besonders vor dem Hintergrund einer anwachsenden Überschuldung der privaten Haushalte und zugleich sich zunehmend verschärfter Wettbewerbsbedingungen, die zu einem Margenverfall geführt haben, eine zentrale Stellung ein. Es erscheint daher immer wichtiger, die Kosten im Kreditgeschäft durch geeignete Maßnahmen nachhaltig zu reduzieren und dabei gleichzeitig die Entscheidungsqualität zu verbessern. 1 Aus diesem Grunde sollen verstärkt Beurteilungsverfahren zum Einsatz kommen, die einerseits die Bearbeitungszeit und damit die auf einen Kreditvertrag entfallenden Personalkosten reduzieren und anderseits zu einer Verringerung der nicht unerheblichen Forderungsausfälle beitragen, indem sie objektivierter, schneller und zuverlässiger als einzelne Kreditsachbearbeiter den wahrscheinlichen Ausgang eines Kreditengagements prognostizieren. Während sich mathematisch-statistische Verfahren wie etwa die multivariate Diskriminanzanalyse (MDA) bereits in der Praxis großenteils bewähren konnten, erheben seit Anfang der 90er Jahre einige Autoren den Anspruch, dass auch Künstliche Neuronale Netze (KNN) als ein geeignetes Verfahren zur KWP im Privatkundengeschäft eingesetzt werden können. 2

1.2 Aufbau und Ziele der Kreditwürdigkeitsprüfung

Zweck einer jeden KWP ist es, bereits im Vorfeld einer Kreditentscheidung Aussagen über die zukünftige Zahlungsfähigkeit eines potentiellen Kreditnehmers zu treffen, ob dieser einen Kredit erhalten soll oder nicht. 3

1 Vgl. hierzu und zum folgenden Rosenhagen, K. (neuronale Netze, 1996), S. 23 f.

2 Vgl. Füser, K. (Intelligentes Scoring, 2001), S. 88

3 Vgl. Schierenbeck, H. / Hölscher, R. (BankAssurance, 1998), S. 432 f.

Page 3


Ausfallwahrscheinlichkeit eines einzelnen Kreditgeschäfts und somit die Risikobeurteilung zum Zeitpunkt der Kreditentscheidung vorzunehmen. 7

1.3 Zielsetzung und Vorgehensweise der Arbeit

Ziel dieser Arbeit ist es darzulegen, ob KNN grundsätzlich in der Lage sind, den Ansprüchen der KWP im Privatkundengeschäft gerecht zu werden und damit eine Alternative zu den bislang eingesetzten Verfahren bieten. Dazu befasst sich die Arbeit in Kapitel 2 nach einer kurzen Einführung zu Neuronalen Netzen mit der Darstellung eines anwendungsspezifischen Neuronalen Netzes, ehe darauf aufbauend in einzelnen Schritten die Lernweise eines solchen Beurteilungsverfahrens vorgestellt wird. In Kapitel 3 werden anschließend in einer kritischen Würdigung Probleme aufgezeigt, die mit dem Aufbau und der Anwendung Neuronaler Netze verbunden sind, bevor eine abschließende Einschätzung im Hinblick ihres Einsatzes zur KWP diese Arbeit abrundet.

2. Anwendung eines KNN zur Kreditwürdigkeitsprüfung

2.1 Einordnung und Definition von Künstlichen Neuronalen Netzen

KNN sind dem Bereich der Künstlichen Intelligenz zuzuordnen und versuchen, auf Basis eines mathematischen Modells im wesentlichen den Aufbau und die Lernfähigkeit des menschlichen Gehirns abzubilden. 8 Ihr Ziel ist es, die Leistungsfähigkeit der elektronischen

Informationsverarbeitung bei Problemstellungen wie die im Rahmen der KWP an die biologischen Nervensysteme annähernd angleichen zu können. 9

Man definiert daher KNN als parallele Informationsverarbeitungseinheiten, die wie auch beim biologischen Vorbild aus vielen untereinander

7 Vgl. Dietz, J. u. a. (Neuronale Kreditwürdigkeitsprüfung, 1997), S. 475

8 Vgl. Süchtling, J. / Paul, S. (Bankmanagement, 1998), S. 274

9 Vgl. Meyer zu Selhausen, H. (Bank-Informationssysteme, 2000), S. 489 f.

Page 4


verbundenen Neuronen bestehen, welche über gewichtete Verbindungen miteinander in Kontakt stehen und so ein lernfähiges Netzwerk bilden. 10

2.2. Aufbau und Funktionsweise eines geeigneten Neuronalen Netzes

2.2.1 Neuronen als elementarer Bestandteil zur Repräsentation

von Risikomustern und dessen Klassenzugehörigkeit

Neuronen sind die Grundbausteine eines KNN. Sie stellen unabhängig voneinander arbeitende Einheiten dar, die Signale aufnehmen und weiterleiten. 11 Ein Neuron kann dabei mehrere Eingangssignale empfangen, aber nur ein Ausgangssignal erzeugen (vgl. Abb. 1, S. 16). Grundsätzlich unterscheidet man drei Arten von Neuronen: Eingabeneuronen der Eingangsschicht die Signale in Form von Informationen eines Datensatzes - hier also eines Kreditfallesaufnehmen, Neuronen der verborgenen Schicht bei denen eine interne Weiterverarbeitung der darin enthaltenen Informationen stattfindet und Ausgabeneuronen der Ausgangsschicht, welche die Klassenzugehörigkeit eines jeden getesteten Kreditfalles ausgeben. 12 Die Leistungsfähigkeit zur Beurteilung eines Risikomusters, also die Kombination von Merkmalsausprägungen die einen Kreditfall

auszeichnen, erreicht ein KNN erst durch das Zusammenwirken vieler Neuronen. Die Anzahl der Eingangsneuronen wird dabei von der Menge der erfassten Einflussfaktoren bestimmt, während bei der Klassifizierung eines zwei Gruppenfalls, wie in Punkt 1.2 festgelegt, ein Ausgangsneuron genügt, um ein positives bzw. negatives Signal über eine Kreditwürdigkeitsaussage treffen zu können. 13 Für die Anzahl der verborgenen Schichten und der auf jeder dieser Schichten enthaltenen Neuronen können jedoch keine speziell gültigen

10 Vgl. Callan, R. (Neuronale Netze im Klartext, 2003), S. 17 f.

11 Vgl. hierzu und zum folgenden Lohrbach, T. (Einsatz von KNN, 1994), S. 9 f.

12 Vgl. Poding, T. / Sidorovitch, I. (Neuronale Netze, 2001), S. 404 f.

Ende der Leseprobe aus 23 Seiten

Details

Titel
Kreditwürdigkeitsprüfung mit Hilfe Neuronaler Netze im Privatkundengeschäft - Darstellung und kritische Würdigung
Hochschule
Ludwig-Maximilians-Universität München
Note
1.7
Autor
Jahr
2004
Seiten
23
Katalognummer
V186084
ISBN (eBook)
9783869439297
ISBN (Buch)
9783656992240
Dateigröße
784 KB
Sprache
Deutsch
Schlagworte
kreditwürdigkeitsprüfung, hilfe, neuronaler, netze, privatkundengeschäft, darstellung, würdigung
Arbeit zitieren
Andreas Prestele (Autor:in), 2004, Kreditwürdigkeitsprüfung mit Hilfe Neuronaler Netze im Privatkundengeschäft - Darstellung und kritische Würdigung, München, GRIN Verlag, https://www.grin.com/document/186084

Kommentare

  • Noch keine Kommentare.
Blick ins Buch
Titel: Kreditwürdigkeitsprüfung mit Hilfe Neuronaler Netze im Privatkundengeschäft - Darstellung und kritische Würdigung



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden