dc.contributor.advisor |
Pittipol Kantavat |
|
dc.contributor.author |
Napasorn Thavichaigarn |
|
dc.contributor.other |
Chulalongkorn University. Faculty of Engineering |
|
dc.date.accessioned |
2023-08-04T07:36:16Z |
|
dc.date.available |
2023-08-04T07:36:16Z |
|
dc.date.issued |
2022 |
|
dc.identifier.uri |
https://cuir.car.chula.ac.th/handle/123456789/83093 |
|
dc.description |
Thesis (M.Sc.)--Chulalongkorn University, 2022 |
|
dc.description.abstract |
Corporate credit rating has an important role in reducing asymmetric information between investors and borrowers and assisting investors as a signal of the entities’ performance and creditworthiness for making appropriate investment decisions in a company’s assets. The economic distress has negatively affected various businesses and resulted in company rating transitions. This led to a problem in adjusting investment strategy and a serious loss as there is a lack of time between officially announced credit rating transitions and real transition. This study provides alternative methods for credit rating prediction by applying machine learning models; Support Vector Machine (SVM), Linear Regression, and Deep Neural Network (DNN). The result has shown that the Deep Neural Network model presents the comparable performance to other models. |
|
dc.description.abstractalternative |
การจัดอันดับเครดิตองค์กรมีบทบาทสำคัญในการลดข้อมูลที่ไม่สมมาตรระหว่างนักลงทุนและผู้กู้ และช่วยเหลือนักลงทุนโดยแสดงถึงของประสิทธิภาพในการดำเนินธุรกิจและความน่าเชื่อถือขององค์กร เพื่อให้นักลงทุนสามารถตัดสินใจลงทุนในสินทรัพย์ของบริษัทได้อย่างเหมาะสม สถานการณ์ทางเศรษฐกิจได้ส่งผลลบต่อภาคธุรกิจต่างๆ และยังส่งผลให้อันดับเครดิตของบริษัทเกิดการเปลี่ยนแปลง ทำให้เกิดปัญหาในการปรับกลยุทธ์การลงทุนและนำไปสู่การขาดทุน เนื่องจากมีช่องว่างระหว่างระยะเวลาในการประกาศการเปลี่ยนแปลงอันดับเครดิตอย่างเป็นทางการและการเปลี่ยนแปลงอันดับเครดิตจริง งานวิจัยนี้นำเสนอทางเลือกในการทำนายอันดับเครดิตโดยใช้โมเดลการเรียนรู้ด้วยเครื่อง เช่น Support Vector Machine (SVM), Linear Regression และ Deep Neural Network (DNN) ผลลัพธ์ที่ได้แสดงให้เห็นว่าโมเดล Deep Neural Network นำเสนอประสิทธิภาพได้ดีเทียบเท่ากับโมเดลการเรียนรู้อื่น |
|
dc.language.iso |
en |
|
dc.publisher |
Chulalongkorn University |
|
dc.relation.uri |
http://doi.org/10.58837/CHULA.THE.2022.97 |
|
dc.rights |
Chulalongkorn University |
|
dc.title |
Corporate credit rating prediction using deep learning |
|
dc.title.alternative |
การทำนายเครดิตเรทติ้งของบริษัทโดยใช้การเรียนรู้เชิงลึก |
|
dc.type |
Thesis |
|
dc.degree.name |
Master of Science |
|
dc.degree.level |
Master's Degree |
|
dc.degree.discipline |
Computer Science |
|
dc.degree.grantor |
Chulalongkorn University |
|
dc.identifier.DOI |
10.58837/CHULA.THE.2022.97 |
|