| Trường DC | Giá trị | Ngôn ngữ |
|---|---|---|
| dc.contributor.author | Nguyễn, Thị Liên, ThS | |
| dc.contributor.other | Nguyễn, Thị Thu TrangThS | |
| dc.contributor.other | Bùi, Quốc Hoàn,ThS.NCS | |
| dc.contributor.other | Đoàn, Trọng Tuyến,ThS. NCS | |
| dc.contributor.other | Phạm, Thị Nga, ThS | |
| dc.contributor.other | Lê, Thị Dung | |
| dc.contributor.other | Lưu, Thị Huyền Trang | |
| dc.contributor.other | Lương, Thị My | |
| dc.date.accessioned | 2023-06-02T02:25:40Z | - |
| dc.date.available | 2023-06-02T02:25:40Z | - |
| dc.date.issued | 2021 | |
| dc.identifier.uri | https://dlib.neu.edu.vn/handle/NEU/53357 | - |
| dc.description | Đề tài NCKH | |
| dc.description.abstract | Chapter I: The theoretical framework measures credit risk in commercial banks; Chapter II: The current situation of credit risk management at commercial banks in Vietnam; Chapter III: The applications of imbalanced dataset handling method for credit scoring models at Vietnamese commercial banks; Chapter IV The result analysis and recommendations for credit risk measuring activities at Vietnam commercial banks. | |
| dc.description.tableofcontents | Chapter I: The theoretical framework measures credit risk in commercial banks; Chapter II: The current situation of credit risk management at commercial banks in Vietnam; Chapter III: The applications of imbalanced dataset handling method for credit scoring models at Vietnamese commercial banks; Chapter IV The result analysis and recommendations for credit risk measuring activities at Vietnam commercial banks. | |
| dc.format.extent | Khổ A4 | |
| dc.language.iso | eng | |
| dc.publisher | Trường Đại Học Kinh Tế Quốc Dân | |
| dc.subject | ứng dụng thực nghiệm | |
| dc.subject | thuật toán phân nhóm | |
| dc.subject | dữ liệu mất cân bằng | |
| dc.subject | hoạt động quản trị rủi ro tín dụng | |
| dc.subject | ngân hàng thương mại | |
| dc.title | Ứng dụng thực nghiệm các thuật toán phân nhóm đế xử lý dữ liệu mất cân bằng trong hoạt động quản trị rủi ro tín dụng tại ngân hàng thương mại ở Việt Nam | |
| dc.title.alternative | An experim ental application of classification algorithms to handle imbalanced datasets in credit risk management of commercial banks in Vietnam | |
| dc.type | Đề tài NCKH | |
| dc.identifier.barcode | 835 | |
| dc.relation.reference | 1. Augustin, s., GaiBer, c ., Knauer, J., Massoth, M., Piejko, K., Rihm, D., & Wiens, T. (2012). Telephony fraud detection in next generation networks. Proceedings of the AICT , 203-207. | |
| dc.relation.reference | 2. Barua, s., Islam, M.M., Yao, X. and Murase, K., 2012. MWMOTE-majority weighted minority oversampling technique for imbalanced data set learning. IEEE Transactions on K now ledge a n d D ata E ngineering, 26(2), pp.405-425. | |
| dc.relation.reference | 3. Basel II: Revised international capital framework", bis.org. 2004-06-10. | |
| dc.relation.reference | 4. Batista, G.E., Prati, R .c. and Monard, M.C., 2004. A study o f the behavior of several methods for balancing machine learning training data. ACM SIG KDD explorations new sletter, 6(1), pp.20-29. | |
| dc.relation.reference | 5. Chawla, N.V., Lazarevic, A., Hall, L .O. and Bowyer, K.W., 2003, September. SMOTEBoost: Improving prediction of the minority class in boosting. In European conference on principles of data mining and knowledg discovery (pp. 107-119). Springer, Berlin, Heidelberg. | |
Bộ sưu tập | Nghiên cứu khoa học | |
Tải ứng dụng đọc sách
Qr code NEU Book Reader
(Lưu ý: Sử dụng ứng dụng NEU Book Reader để xem đầy đủ tài liệu.
Bạn đọc có thể tải NEU Book Reader từ App Store hoặc Google play
với từ khóa "NEU Book Reader")
| Trường DC | Giá trị | Ngôn ngữ |
|---|---|---|
| dc.contributor.author | Nguyễn, Thị Liên, ThS | |
| dc.contributor.other | Nguyễn, Thị Thu TrangThS | |
| dc.contributor.other | Bùi, Quốc Hoàn,ThS.NCS | |
| dc.contributor.other | Đoàn, Trọng Tuyến,ThS. NCS | |
| dc.contributor.other | Phạm, Thị Nga, ThS | |
| dc.contributor.other | Lê, Thị Dung | |
| dc.contributor.other | Lưu, Thị Huyền Trang | |
| dc.contributor.other | Lương, Thị My | |
| dc.date.accessioned | 2023-06-02T02:25:40Z | - |
| dc.date.available | 2023-06-02T02:25:40Z | - |
| dc.date.issued | 2021 | |
| dc.identifier.uri | https://dlib.neu.edu.vn/handle/NEU/53357 | - |
| dc.description | Đề tài NCKH | |
| dc.description.abstract | Chapter I: The theoretical framework measures credit risk in commercial banks; Chapter II: The current situation of credit risk management at commercial banks in Vietnam; Chapter III: The applications of imbalanced dataset handling method for credit scoring models at Vietnamese commercial banks; Chapter IV The result analysis and recommendations for credit risk measuring activities at Vietnam commercial banks. | |
| dc.description.tableofcontents | Chapter I: The theoretical framework measures credit risk in commercial banks; Chapter II: The current situation of credit risk management at commercial banks in Vietnam; Chapter III: The applications of imbalanced dataset handling method for credit scoring models at Vietnamese commercial banks; Chapter IV The result analysis and recommendations for credit risk measuring activities at Vietnam commercial banks. | |
| dc.format.extent | Khổ A4 | |
| dc.language.iso | eng | |
| dc.publisher | Trường Đại Học Kinh Tế Quốc Dân | |
| dc.subject | ứng dụng thực nghiệm | |
| dc.subject | thuật toán phân nhóm | |
| dc.subject | dữ liệu mất cân bằng | |
| dc.subject | hoạt động quản trị rủi ro tín dụng | |
| dc.subject | ngân hàng thương mại | |
| dc.title | Ứng dụng thực nghiệm các thuật toán phân nhóm đế xử lý dữ liệu mất cân bằng trong hoạt động quản trị rủi ro tín dụng tại ngân hàng thương mại ở Việt Nam | |
| dc.title.alternative | An experim ental application of classification algorithms to handle imbalanced datasets in credit risk management of commercial banks in Vietnam | |
| dc.type | Đề tài NCKH | |
| dc.identifier.barcode | 835 | |
| dc.relation.reference | 1. Augustin, s., GaiBer, c ., Knauer, J., Massoth, M., Piejko, K., Rihm, D., & Wiens, T. (2012). Telephony fraud detection in next generation networks. Proceedings of the AICT , 203-207. | |
| dc.relation.reference | 2. Barua, s., Islam, M.M., Yao, X. and Murase, K., 2012. MWMOTE-majority weighted minority oversampling technique for imbalanced data set learning. IEEE Transactions on K now ledge a n d D ata E ngineering, 26(2), pp.405-425. | |
| dc.relation.reference | 3. Basel II: Revised international capital framework", bis.org. 2004-06-10. | |
| dc.relation.reference | 4. Batista, G.E., Prati, R .c. and Monard, M.C., 2004. A study o f the behavior of several methods for balancing machine learning training data. ACM SIG KDD explorations new sletter, 6(1), pp.20-29. | |
| dc.relation.reference | 5. Chawla, N.V., Lazarevic, A., Hall, L .O. and Bowyer, K.W., 2003, September. SMOTEBoost: Improving prediction of the minority class in boosting. In European conference on principles of data mining and knowledg discovery (pp. 107-119). Springer, Berlin, Heidelberg. | |
Bộ sưu tập | Nghiên cứu khoa học | |
