Анализ процедур оценки кредитоспособности заемщика коммерческого банка (1142268), страница 29
Текст из файла (страница 29)
Королёв. – М.: Экономические науки, 2006. –160 с.17553 Мельник, М.В. Анализ финансово-хозяйственной деятельностипредприятия : учебное пособие / М.В. Мельник, Е.Б. Герасимова – М.:ФОРУМ: ИНФРА-М, 2008. – 192 с.54 Пожидаева, Т.А. Анализ финансовой отчетности: учебное пособие /Т.А. Пожидаева. – 3-е изд., стер. – М.:КНОРУС, 2010. – 320 с.55 Ковалев, В.В.
Введение в финансовый менеджмент / В.В. Ковалев. –М.: Финансы и статистика, 2001. – 768 с.56 Вахрушина, М.А. Управленческий анализ : уч. пос. для студентов,обучающихся по специальности «Бухгалтерский учет, анализ и аудит» / М.А.Вахрушина. – 6-е изд., испр. – М.: Издательство «Омега-Л», 2010. – 399 с.57 Королев, О.Г. Формирование профессионального суждения приоценке кредитных рисков / О.Г.
Королев. // Экономические науки. – М., 2006.– №5 (18). – С. 53-64.58 Рабочая книга по прогнозированию / Редкол.: И.В. Бестужев-Лада(отв. ред.). – М.: Мысль, 1982. – 430 с.59 Кузык, Б.Н. Прогнозирование, стратегическое планирование инациональное программирование : учебник / Б.Н. Кузык, В.И. Кушлин, Ю.В.Яковец. – М.: Экономика, 2008. – 575 с.60 Теория экономического анализа: учебно-методический комплекс /Под ред. проф.
Н.П. Любушина. – М.: Экономист, 2004. – 480 с.61 Шим, Джай К. Основы бюджетирования и больше. Справочник посоставлению бюджетов : пер. с англ. / Джай К. Шим, Джойл Г. Сигел. Подобщ. ред. В.А. Плотникова. – М.: Вершина, 2007. – 368 с.62 Балахнев, Ю.Н. Прогнозирование кредитоспособности организациис применением адаптивных экспоненциальных моделей / Ю.Н. Балахнев. //Финансы и кредит. – 2013. – № 19 (547). – С. 59-69.63Лыкова,Н.М.Направленияиспользованиямоделейпрогнозирования банкротства компании в целях раннего обнаруженияпроблемности ссуд в коммерческом банке / Н.М.
Лыкова. // Банковскиеуслуги. – 2013. – №3. – С. 22-30.17664 На пути к постепенному восстановлению экономики. ИсследованиеЦентра по изучению финансовых инноваций. // Банковское дело. – 2014. –№8. – С. 17-22.65 Индекс ОКБ: динамика просрочек по итогам II квартала 2014. //Банковское дело.
– 2014. – №8. – С. 50.66 Глущенко, В.В. Анализ процедур оценки кредитоспособностизаемщиков в банковском предпринимательстве / В.В. Глущенко. //Экономика и предпринимательство. – 2014. – №7. – С. 881-885.67Глущенко,инновационнойВ.В.деятельностиОрганизационно-экономическийпредприятий/В.В.анализГлущенко.//IМПЕРАТИВИ РОЗВИТКУ УКРАЇНИ В УМОВАХ ГЛОБАЛИЗАЦIЇ:Мiжнародна науково-практична конференцiя (м. Чернiгiв: 24-26 вересня 2008року): Матерiали доповiдей та виступiв. – Чернiгiв: ЧДIЕУ, 2008. – С.
48-52.68 Глущенко, В.В. Управленческий учет и анализ компетентностикредитныхспециалистовприклиентоориентированномбанковскомпредпринимательстве / В.В. Глущенко. // Экономика и предпринимательство,2014. – №9. – С. 910-916.69 Abdou, H. & Pointon, J. "Credit scoring, statistical techniques andevaluation criteria: a review of the literature", Intelligent Systems inAccounting, Finance & Management, 2011, 18 (2-3).
– pp. 59-88.70. Thomas, L. C., Edelman, D. B., Crook, L. N. Credit Scoring andIts Applications. Philadelphia: Society for Industrial and Applied Mathematics,2002 [Электронный ресурс]. – Режим доступа: http://www.siam.org/ journals/(дата обращения: 16.12.2013 г.).71. Anderson, R. The Credit Scoring Toolkit: Theory and Practice forRetail Credit Risk Management and Decision Automation. New York: OxfordUniversityPress,2007[Электронныйресурс].–Режимhttps://global.oup.com/academic/category/social-sciences/economics/обращения: 16.12.2013 г.).доступа:(дата17772. Sarlija, N., Bensic M., Bohacek Z. Multinomial Model in ConsumerCredit Scoring, 10th International Conference on Operational Research. Trogir:Croatia,2004[Электронныйресурс].–Режимдоступа:http://www.mathos.unios.hr/koi2004/ (дата обращения: 16.12.2013 г.).73.
Eisenbeis, R. A. Problems in Applying Discriminant Analysis in CreditScoring Models. Journal of Banking and Finance, 1978, 2 (3). – pp. 205-219.74. Greene, W. Sample Selection in Credit-Scoring Models. Japan and theWorld Economy, 1998, 10 (3) – pp. 299-316.75 Глущенко, В.В. Формирование методики анализа эффективностипроцедур оценки кредитоспособности заемщика на основе калькулированиязатрат банка / В.В. Глущенко. // Вестник университета (Государственныйуниверситет управления). – 2013.
– №2. – С. 27-31.76 Hand, D. J., Jacka, S. D. Statistics in Finance, Arnold Applicationsof Statistics: London, 1998. – pp. 69-81.77. Casu, B., Girardone, C., Molyneux, P. Introduction to Banking. London:Prentice Hall, 2006. – 560 p.78 Кулов, С.К. Корпоративная инновационная система – необходимыйэлемент повышения производительности инновационной деятельностипредприятия/С.К.Кулов,Н.С.Кулова.//Экономикаипредпринимательство. – 2014. – №8 (49).
– С. 472-483.79 Lee, T., Chiu, C. Lu, C., Chen, I. Credit Scoring Using the HybridNeural Discriminant Technique. Expert Systems with Applications, 2002, 23 (3). –pp. 245-254.80 Ong, C., Huang, J., Tzeng, G. Building Credit Scoring ModelsUsing Genetic Programming. Expert Systems with Applications, 2005, 29 (1). –pp. 41-47.81 Banasik, J., Crook, J. Rejectinference in survival analysis byaugmentation. Journal of Operational Research Society, 2010, 61 (3) – pp.
473458.17882 Banasik J., Crook J. Rejectinference, augmentation, and sampleselection. European Journal of Operational Research, 2007, 183 (3). – pp. 15821594.83 Huang, C., Chen, M., Wang, C. Credit scoring with a data miningapproach based on support vector machines. Expert Systems with Applications,2007, 33 (4) – pp. 847-856.84 Paliwal, M., Kumar, U. A.Neural networks and statisticaltechniques: A review of applications.
Expert Systems with Applications, 2009,36 (1) – pp. 2-17.85 West, D. Neural Network Credit Scoring Models. Computers &Operations Research, 2009, 27 (11-12). – pp. 1131-1152.86 Chandler, G. G., Coffman, J. Y. A comparative analysis of empirical vs.judgemental credit evaluation. The Journal of Retail Banking, 1979, 1 (2). – pp. 15-26.87 Crook, J. N.
Credit scoring: An overview. Working paper seriesNo.96/13,British Association,FestivalofScience.UniversityofBirmingham, The University of Edinburgh, 1996.88 Журба, М.А. Кредитные организации как объекты обеспеченияфинансовойустойчивости/М.А.Журба.//Экономикаипредпринимательство. – 2014. – №8 (49). – С. 661-665.89 Heffernan, S. Modern Banking. Chichester, West Sussex: John Wiley &Sons, Inc., 2005. – pp.
736.90 Tsai, C., Wu, J. Using neural networks ensembles for bankruptcyprediction and credit scoring. Expert Systems with Applications, 2008, 34 (4). –pp. 2639-2649.91 Etemadi, H., Rostamy, A., Dehkordi, H. A genetic programming modelfor bankruptcy prediction: Empirical evidence from Iran.
Expert Systems withApplications, 2009, 36 (2/2). – pp. 3199-3207.92 Min, J. H., Lee, Y-C A practical approach to credit scoring. ExpertSystems with Applications 2008, 35 (4). – pp. 1762-1770.17993 Nanni, L., Lumini, A. An experimental comparison of ensemble ofclassifiers for bankruptcy prediction and credit scoring. Expert Systems withApplications, 2009, 36 (2/2). –pp. 3028-3033.94 Min, J. H., Jeong, C. A binary classification method for bankruptcyprediction. Expert Systems with Applications, 2009, 36(3).
– pp. 5256-5263.95 Hu, Y. Incorporating a non-additive decision making method intomulti-layerneural networks and its application to financial distress analysis.Knowledge-Based Systems, 2008, 21 (5). – pp. 383-390.96 Mukkamala, S., Vieira, A., Sung, A. 2008. Model selection and featureranking for financial distress classification [Электронный ресурс]. – Режимдоступа: http://www.rmltech.com/ (дата обращения: 19.12.2013 г.).97 Hu, Y-C., Ansell, J. Measuring retail company performance usingcredit scoring techniques.
European Journal of Operational Research, 2007, 183(3) – pp. 1595-1606.98 Banasik, J., Crook, J. Rejectinference in survival analysis byaugmentation. Journal of Operational Research Society, 2010, 61 (3) – pp. 473458.99 Chen, Y., Guo, R-J., Huang, R-L. Two stages credit evaluation in bankloan appraisal, Economic Modelling, 2009, 26 (1) – pp. 63-70.100 Thanh Dinh, T-H., Kleimeier, S. A credit scoring model forVietnams retail banking market. International Review of Financial Analysis,2007, 16 (5) – pp. 471-495.101 Sustersic, M., Mramor, D., Zupan J. Consumer credit scoring modelswith limited data. Expert Systems with Applications, 2009, 36 (3) – pp. 47364744.102 Lee, T., Chen, I.
A Two-Stage Hybrid Credit Scoring ModelUsing Artificial Neural Networks and Multivariate Adaptive RegressionSplines. Expert Systems with Applications, 2005, 28 (4) – pp. 743-752.180103 DeYoung, R. Frame, W. S., Glennon, D., McMillen, D. P., Nigro, P.Commercial lending distance and historically underserved area. Journal ofEconomics and Business, 2008, 60 (1-2) – pp. 149-164.104 Carter, D. A., McNulty, J.
E. Deregulation, technology change,and the business-lending performance of large and small banks. Journal ofBanking and Finance, 2005, 29 (5) – pp. 1113-1130.105 Bensic, M., Sarlija, N., Zekic-Susac, M. Modelling small-businesscredit scoring by using logistic regression, neural networks and decision trees.Intelligent Systems in Accounting, Finance and Management, 2005, 13(3) – pp.133-150.106 Haughwout, A., Peach, R., Tracy, J. Juvenile delinquent mortgages: badcredit or bad economy? Journal of Urban Economics, 2008, 64 (2) – pp. 246-257.107 Somers, M., Whittaker, J.
2007. Quantile regression for modellingdistributions of profit and loss. European Journal of Operational Research, 2007,pp. 183 (3) – pp. 1477-1487.108 Al Amari, A. The credit evaluation process and the role of creditscoring: A case study of Qatar. Ph.D. Thesis, University College Dublin, 2002[Электронныйресурс].–Режимдоступа:http://libguides.ucd.ie/theses_at_UCD (дата обращения: 19.12.2013 г.).109 Abdou, H.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
