TÉZISGYŰJTEMÉNY. Oravecz Beatrix
|
|
- Marcell Gulyás
- 9 évvel ezelőtt
- Látták:
Átírás
1 Statisztika tanszék TÉZISGYŰJTEMÉNY Oravecz Beatrix SZELEKCIÓS TORZÍTÁS ÉS CSÖKKENTÉSE AZ ADÓSMINŐSÍTÉSI MODELLEKNÉL című Ph.D. értekezéséhez Témavezető: Dr. Hunyadi László kandidátus, egyetemi tanár Oravecz Beatrix
2 2
3 Tartalomjegyzék I. Kutatási előzmények és a téma indoklása... 4 II. A felhasznált módszerek... 7 III. Az értekezés eredményei... 9 IV. Főbb hivatkozások V. A témakörrel kapcsolatos saját publikációk jegyzéke
4 I. Kutatási előzmények és a téma indoklása Az elmúlt évtizedben tovább folytatódott a számítástechnikai kapacitások ugrásszerű növekedése. Ez az egymással versenyző, tömegtermelésre berendezkedett nagyvállalatok piacán egyrészt azt jelentette, hogy a cégek az üzleti folyamataikat leíró adatokat ma már elsősorban nem papíralapon, hanem elektronikus formában ún. adattárházakban tárolják. Másrészt lehetővé vált az így felhalmozódott adattömeg üzleti célú felhasználása elemzési, adatbányászati technikák segítségével a jobb üzleti döntések érdekében. Az adattömegben rejlő információk kinyerésére a software-fejlesztők különféle statisztikai/adatbányászati programcsomagokat fejlesztettek ki, melyek ma már széles körben elterjedtek. Az adatok ilyen célú felhasználásában a pénzügyi szektor szereplői az élen járnak. Az élesedő verseny a szektor szereplőit rákényszerítette arra, hogy a rendelkezésükre álló erőforrásokat minél hatékonyabban használják fel. Jellemző példa erre a bankok esetében a lakossági (retail) hitelezési folyamatok automatizálása, melyek segítségével gyorsabban és lényegesen olcsóbban történhetnek a hitelezéssel kapcsolatos döntések. Az automatizált döntési rendszerek alkalmazásával lehetőség nyílt a hitelportfolió növelésére a hitelezési kockázat 1 kontrollja mellett. Ez a gyakorlatban azt jelenti, hogy a hitelező bankok minél több és jobb minőségű adatot próbálnak az ügyfelekről gyűjteni annak érdekében, hogy ezekből különböző adatbányászati módszerek segítségével minél több információhoz jussanak az ügyfelek fizetési képességével és hajlandóságával kapcsolatban. Ezt a célt szolgálja az automatizált adósminősítési eszköz az ún. credit scoring, mely statisztikai módszerek segítségével képes megbecsülni az egyes adósok nemfizetési kockázatát. A módszer elterjedésének, az üzleti megfontolásokon túlmenően, a másik hajtóereje a Bázel II. tőkemegfeleléssel kapcsolatos szabályozói direktiva, mely előírja az alkalmazó bankok számára, hogy az egyes adósok esetében a bank képes legyen az ügyfél várható nemfizetési 1 A hitelezési kockázat annak a veszélyét fejezi ki, hogy a kölcsön adott tőkét és/vagy kamatait a hitelfelvevő részben vagy egészében nem fizeti vissza, és emiatt a bankot veszteség éri. 4
5 valószínűségét éves időhorizonton előrejelezni. A credit scoring modellek erre a problémára is megoldást kínálnak. A credit scoring módszerek széleskörű alkalmazásának ellenére még mindig vannak a módszertannak olyan aspektusai, amelyek nem kaptak elegendő figyelmet sem a szakirodalomban, sem a gyakorlatban. A modellépítési minta reprezentativitásának kérdése például ilyen terület. Az adósminősítési modellek általában nem véletlen mintán épülnek, hiszen itt tipikusan csak azoknál az ügyfeleknél rendelkezünk teljes adatállománnyal, akik átestek egy hitelbírálati folyamaton és elfogadták őket. A kérelmek elfogadására/ elutasítására használt credit scoring modell idővel elveszti aktualitását, pontosságát, ezért újra kell építeni. Ha nem frissítik a modellt, akkor nem követi a populációban és a magyarázó változók hatásában bekövetkező változásokat, és az eredeti modell elveszíti prediktív erejét. Másrészt viszont, ha csak a befogadott ügyfelek adatait használják a modell frissítéséhez, akkor megkérdőjelezhető lesz az új modell érvényessége, hiszen a befogadottak és az elutasítottak eloszlása valószínűleg különbözik a szisztematikus elbírálási folyamat eredményeként, így a befogadottak nem reprezentálják a teljes sokaságot jelentő összes kérelmezőt. Ezt a jelenséget nevezzük elutasítási torzításnak (reject bias), vagy általánosabban szelekciós torzításnak. A dilemmára az elutasítottak jellemzőinek felhasználásával történő modellépítés (reject inference) jelenthet választ. Ez tulajdonképpen annak becslése, hogy hogyan viselkedett volna az elutasított kérelmező, ha megkapta volna a hitelt. Egy gyakran idézett példa a büntetett előélet. A büntetett előéletű kérelmezőket majdnem mindig elutasítják. Ha mindet elutasítanák, akkor reject inference nélkül a végső modellben nem jelenne meg ez az ismérv. Az a tény, hogy a többséget elutasítják, gyakran azt jelenti, hogy a kisebbség, akit elfogadnak, nagyon speciális tulajdonságokkal rendelkezik, és egyáltalán nem reprezentálja a büntetett előéletűeket általában. Így, ha csak az elfogadottak teljesítését modellezzük, akkor a végső modellünk túlzottan optimista lesz. 5
6 A dolgozatban a credit scoring modelleknél fellépő szelekciós torzítás csökkentésére használható módszerekkel foglalkoztam. A jelenség vizsgálata a magyarnyelvű szakirodalomból szinte teljesen hiányzik, csak említés szintjén találkozhattunk vele. A témaválasztást elméleti érdekességén túl gyakorlati jelentőssége is indokolta. Hiszen ha csak egy kicsit is sikerül javítani a modellek teljesítményén, az óriási profitnövekedést, és/vagy kockázatcsökkenést eredményezhet a bankok számára, mivel nagy volumenű kihelyezésekről van szó. A kockázatok pontosabb értékelése ugyanakkor az ügyfelek számára is előnyös, mert a jó adósok számára a kockázati felár csökkentését teszi lehetővé, vagy megfelelő kockázati felárral olyanok is kaphatnak hitelt, akiket eddig elutasítottak. A témához kapcsolódó korábbi kutatások alapján elmondható, hogy az elutasítottak alkalmazása a modellépítés során csak akkor lehet értelmes és hasznos megoldás, ha bizonyos feltételek teljesülnek az elfogadott és az elutasított sokaságra. A gyakorlatban működhetnek ezek a megoldások, mert a feltételezések sokszor indokoltak, vagy legalábbis jó irányba mutatnak. Például ésszerű feltételezés, hogy a rosszak aránya nagyobb az elutasítottakon belül, mint az elfogadottakon belül (azonos score mellett is), még akkor is, ha nem tudjuk korrekten számszerűsíteni, hogy mennyivel nagyobb. Az elutasítottak tényleges és imputált adatainak alkalmazásának haszna függ az elutasítási aránytól, a mintabeli és sokasági eloszlásoktól és az alkalmazott statisztikai feltételek teljesülésétől. Van néhány portfolió, ahol nagyon alacsony az elutasítottak aránya (ilyen például a jelzáloghitelek piaca). Ilyen esetekben felesleges lehet az elutasítottakkal foglalkozni, hiszen elhanyagolható az arányuk a populáción belül, így az általuk okozott torzítás sem igényel korrekciót. Másrészt a nagyobb kockázatú portfoliók esetén, például a kis - és kezdő vállalkozások hitelezésénél, az elutasítási arány igen nagy lehet, így a szelekciós torzítást már nem lehet figyelmen kívül hagyni. 6
7 II. A felhasznált módszerek A dolgozatban többféle módszer alkalmazhatóságát vizsgáltam, ezekből választottam aztán a konkrét kutatási adatbázis esetében használható, legjobbnak tűnő módszereket. Az adósminősítési modelleknél fellépő szelekciós torzítás adathiányból eredő probléma, hiszen a korábban elutasított banki ügyfelek esetén a hitelkockázatot (hitelvisszafizetést) leíró változó értéke hiányzik (nem megfigyelhető), ezért először a hiányzó adatok típusait és kezelésük lehetséges módjait mutattam be. A következő részben röviden áttekintettem a credit scoring feladatát és a leggyakrabban alkalmazott módszereket, valamint az ezek értékeléséhez használható mérőszámokat. A gyakorlatban az adósminősítési modellek esetében a logisztikus regresszió alkalmazása a legelterjedtebb, ezért az empirikus kutatás során én is logit modellt használtam az ügyfelek nemfizetési valószínűségének becslésére. A III. részben ismertettem a szakirodalomban fellelhető módszereket, amelyek a scoring modelleknél fellépő szelekciós torzítás csökkentését szolgálják. Mindegyik módszer valamilyen módon felhasználja az elutasítottakról meglévő információkat. Az elutasítottak tényleges visszafizetési adatát nem ismerjük, ezért mivel a semmiből nem keletkezhet új információ-, ha fel akarjuk használni őket a modellépítéshez, akkor vagy feltételezésekkel kell élnünk, vagy pótlólagosan információt kell szerezni a visszafizetési viselkedésükről. Bemutattam ezen (reject inference) technikák elméleti hátterét, kiemelve az alkalmazott feltételezéseket vagy a pótlólagos információ szerzésének és felhasználásának módját és összegeztem az eddigi gyakorlati tapasztalatokat. Az alkalmazott feltételek teljesülése azonban általánosságban nem tesztelhető, így - a szakirodalom áttanulmányozása után - arra a következtetésre jutottam, hogy a torzítás kiküszöbölésének egyetlen robusztus és megbízható módja, ha az 7
8 elutasítottak egy részét ténylegesen meghitelezik és így figyelik meg viselkedésüket és esetleges bedőlésüket. Pótlólagos információk felhasználásával minden szempontból javítani tudunk a modellen, hiszen ekkor valóban több információra támaszkodunk a modellépítés során. Ezt az utat azonban nem mindig lehet megvalósítani, a megoldás pénz- és időigényes volta miatt. Az eljárás költségei csökkentésének egy lehetséges módja az általam résnyire nyitott kapu-nak nevezett módszer alkalmazása egyfajta költségoptimális mintaelosztással. Ez azt jelenti, hogy minden egyébként elutasítandó ügyfélnek van esélye a mintába kerülésre, de nem egyforma valószínűséggel. Kis valószínűséggel kaphatnak hitelt azok akiknél nagyobb a várható veszteség és nagyobb valószínűséggel azok akiknél ez a várható veszteség kisebb. Így egy rétegzett mintát kapunk egyfajta költségoptimális mintaelosztással. Végül átsúlyozással kaphatunk egy a sokaságot valóban reprezentáló mintát anélkül, hogy vállalni kellett volna a mindenki beengedésével járó hatalmas költségeket. Az empirikus kutatás keretében egy valós banki adatbázison (lakossági hitelkártya adatokon) vizsgáltam egy logisztikus regresszióval épített scoring modellen a résnyire nyitott kapu módszerrel elérhető javulást, annak költségeit és várható hasznait. 8
9 III. Az értekezés eredményei A dolgozattal ráirányítottam a figyelmet a szelekciós torzítás figyelembe vételének fontosságára, és a különböző torzítás csökkentő módszerek esetében a gyakorlati alkalmazás lehetőségeire. A nemzetközi szakirodalom feldolgozásakor az adósminősítési modelleknél fellépő szelekciós torzítás csökkentésére alkalmazható módszereket az adathiány mechanizmusoknak megfelelően kategorizálva mutattam be. Az empirikus kutatás keretében egy valós banki adatbázison (lakossági hitelkártya adatokon) vizsgáltam a résnyire nyitott kapu módszerrel elérhető javulást, annak költségeit és várható hasznait. Az elvégzett vizsgálat és modellszámítások eredményeként a gyakorlati szakemberek számára hasznosítható ajánlásokat fogalmaztam meg. Fontos megállapítások: Az empirikus kutatás során azt tapasztaltuk, hogy magas elutasítási arány (erőteljes és nem teljesen véletlenszerű szelekció) esetén gyengébb teljesítményű modellek építhetők, mint kisebb arányú elutasítás esetén. Ennek egyik oka, hogy ekkor kevés rossz ügyfél kerül a portfolióba, ami megnehezíti a modellek számára a rosszak karakterisztikáinak megismerését. Másik oka, hogy a szelekció hatására egyébként szignifikáns magyarázó változók bizonyos értékei nem kerülnek a mintába, aminek következtében a magyarázó változó már nem lesz szignifikáns. Ilyen esetekben segíthet a pótlólagos információ szerzés egyik módja, ha belső forrásból, a résnyire nyitott kapu alkalmazásával nyerünk új megfigyeléseket. Azt láttuk, hogy a nyitott kapu módszerrel javult a modellek teljesítménye, és ennek következtében a terméken elérhető profit is nőtt. 9
10 Azt tapasztaltuk, hogy ha a profitmaximalizálás a cél, akkor jobb, ha az elméleti úton meghatározott cutoff értéket használjuk, szemben a gyakorlatban elterjedt empirikus meghatározási móddal. Eredményeink szerint a modelljavulás és a profitnövekedés mértéke az első lépcsőben volt a legnagyobb. Tehát leginkább az egyébként befogadandókhoz közel álló, azoktól csak kicsit rosszabbnak tűnő ügyfelekből érdemes résnyire nyitott kapuval beengedni még ügyfeleket. Ez az elsőlépcsős nagymértékű modelljavulás és profitnövekedés valószínű csak az adatbázis sajátossága, de egyéb, általános érvényű megfontolások is ezt a stratégiát sugallják. Az elfogadási tartományhoz közeli esetekre még jobbak a becsléseink. Ide még valószínűleg jól tudjuk becsülni a rosszak arányát, ezáltal a plusz minta költségei tervezhetőbbek, és kisebbek is, mintha egy távoli tartományból vennénk mintát. Végezetül elmondható, hogy a dolgozatban ismertetett technikák és elméleti -, gyakorlati megfontolások nem csak a banki adósminősítés területén hasznosak és alkalmazhatók, hanem sok más olyan adatbányászati probléma esetén is, amelyek hasonló mintaszelekciós mechanizmust tartalmaznak. 10
11 IV. Főbb hivatkozások E.I. ALTMAN [1968], Financial Ratios, Discriminant Analysis, and the Prediction of Corporate Bankruptcy, Journal of Finance, 1968 szeptember, Vol old. L. ASCH [1995], How the RMA/Fair, Isaac Credit-Scoring Model Was Built, Journal of Commercial Lending, o., június. D. ASH ÉS S. MEESTER [2002], Best Practices in Reject Interference, Presentation at Credit Risk Modeling and Decision Conference, Wharton Financial Institutions Center, Philadelphia, május. T. ASTEBRO ÉS I. BERNHARDT [2001], Bank Loans as Predictors of Small Start-up Business Survival, manuscript T. ASTEBRO ÉS G. CHEN [2000], Missing Data Analysis for Single Choice and Multiple Choice Survey Questions When Data are Sparse, Presented at 2000 Academy of Management Conference, Symposium entitled Much ado about missing data, Kanada, Toronto. S. AZEN ÉS M. VAN GUILDER [1981], Conclusions regarding algorithms for handling incomplete data Proc. Stat. Computing Sec., Am. Statist. Assoc.,53-56.o J.B. BANASIK, J.N. CROOK ÉS L.C. THOMAS [2003], Sample Selection Bias in Credit Scoring Models, Journal of the Operational Research Society, 54. szám o. J. BARNARD,ÉS D.B. RUBIN [1999], Small-sample degrees of freedom with multiple imputation, Biometrica, 86. évf, o. H. BIERMAN ÉS W. H. HAUSMAN [1970], The Credit Granting Decision, Management Sciences, 16. évf., o. BÓDY SÁNDOR, SULYOK PAP MÁRTA [1997], Cégminősítés, Nemzetközi Bankárképző Központ, Budapest W.J. BOYES, D.L. HOFFMAN ÉS S.A. LOW [1989], An Econometric Analysis of the Bank Credit Scoring Problem, Journal of Econometrics, 40. évf o. 11
12 G. CHEN ÉS T. ASTEBRO [2003], How to Deal with Missing Categorical Data: Test of a Simple Bayesian Method, Organizational Research Methods, 6. évf. 3. szám o. G. CHEN ÉS T. ASTEBRO [2003], Bound and Collapse Bayesian Reject Inference When Data are Missing not at Random, in T. Astebro, P. Beling, D. Hand, B. Oliver és L.B. Thomas (Eds.]: Mathematical Approaches to Credit Risk Management, Conference Proceedings, Banff International Research Station for Mathematical Innovation and Discovery, október G. CHEN ÉS T. ASTEBRO [2006], A Maximum Likelihood Approach for Reject Inference in Credit Scoring, November 25, 2006, manuscript, available at SSRN: R.K. CHHIKARA [1989], The State of the Art in Credit Evaluation, American Journal of Agricultural Economics, 71.évf, 5.szám, o. J.B. COPAS ÉS H.G. LI [1997], Inference for Non-random Samples (with discussion], Journal of the Royal Statistical Society, B, 59. évf o. J. CROOK és J. BANASIK [2002], Does Reject Inference Really Improve the Performance of Application Scoring Models? Working paper 02/3, Credit Research Centre, University of Edinburg, Anglia. A.P. DEMPSTER, N.M. LAIRD és D.B. RUBIN [1977], Maximum Likelihood Estimation From Incomplete Data Via the EM Algorithm, Journal of the Royal Statistical Society B, 39. évf o. S.G. DONALD [1995], Two-step Estimation of Heteroskedastic Sample Selection Models, Journal of Econometrics, 65. évf o. A.J. FEELDERS, S. CHANG és G.J. MCLACHLAN [1998], Mining in the Presence of Selectivity Bias and its Application to Reject Inference, Proceedings of the fourth international conference on knowledge discovery and data mining (KDD-98], AAAI Press, o. A.J. FEELDERS [1999], Credit Scoring and Reject Inference with Mixture Models, International Journal of Intelligent System in Accounting, Finance and Management, 8 évf o. A.J. FEELDERS [2000], Credit Scoring and Reject Inference with Mixture Models, International Journal of Intelligent System in Accounting, Finance and Management, 9. évf. 1-8.o. 12
13 A.J. FEELDERS [2001], An Overview of Model Based Reject Inference for Credit Scoring, Working paper, Institute for Information and Computing Sciences, Utrecht University, Hollandia. D.J. FORGARTY [2005], Multiple Imputation as a Missing Data Approach to Reject Inference on Consumer Credit Scoring, Manuscript, DavidF1967@ .uopx.edu H. FRIEDMAN, E. ALTMAN ÉS D.L. KAO [1985], Introducing Recursive Partitioning for Financial Classification: The Case of Financial Distress, Journal of Finance, március, Vol. 40. Iss.1, old. A. GELMAN, J.B. CARLIN, H.S. STERN és D.B. RUBIN [1995], Bayesian Data Analysis, Chapman & Hall. W.R. GILKS, S. RICHARDSON, és D. J. SPIEGELHALTER (Eds.] [1996]. Markov Chain Monte Carlo in Practice, Chapman & Hall, London. R. GLYNN, N. M. LAIRD és D.B. RUBIN [1986], Selection modeling versus mixture modeling with nonignorable nonresponse, In H. Wainer (ed.] Drawing Inferences from Self-Selected Samples, New York: Springer-Verlag. J.W. GRAHAM és S.I. DONALDSON [1993], Evaluating Interventions with Differential Attrition: the Importance of Nonresponse Mechanisms and Use of Followup Data, Journal of Applied Psychology, 78. évf o. W.H. GREENE [1998], Sample Selection in Credit-scoring Models, Japan and the World Economy, 10. évf o. HADU OTTÓ [2003]: Többváltozós statisztikai számítások, KSH, Budapest HAJDU OTTÓ és VIRÁG MIKLÓS [1996], Pénzügyi mutatószámokon alapuló csődmodellszámítások, Bankszemle, 1996/1-2 HÁMORI GÁBOR [2001], A CHAID alapú döntési fák jellemzői, Statisztikai szemle, 79évf. 8.szám, o. 13
14 D.J. HAND és W.E. HENLEY [1993/4], Can Reject Inference Ever Work?, IMA Journal of Mathematics Applied in Business & Industry, 5. évf. 4. szám o. D.J. HAND és W.E HENLEY [1994], Inference About Rejected Cases in Discriminant Analysis, Springer, o., New York. D.J. HAND [1997], Construction and Assessment of Classification Rules, Chichster: Wiley. D.J. HAND [1998], Reject Inference in Credit Operations, in Credit Risk Modeling: Design and Application (ed. E. Mays], o. AMACOM. D.J. HAND [2001], Measuring Diagnostic Accuracy of Statistical Prediction Rules, Statistica Neerlandica, 53. évf o. J.J. HECKMAN [1979], Sample Selection Bias as a Specification Error, Econometrica, 47. évf o. D. HEDEKER és R. D. GIBBONS [1997], Application of random-effects pattern-mixture models for missing data in longitudinal studies, Psychological Methods, 2(1], C.W. HOLSAPPLE et.al. [1988], Adapting Expert System Technology to Financial Management Financial Management, ősz, 19.évf o. D.C HSIA [1978], Credit Scoring and the Equal Credit Opportunity Act, The Hastings Law Journal, 30. évf o., november. HUNYADI LÁSZLÓ [2001], A mintavétel alapjai, Egyetemi Jegyzet SZÁMALK, Budapest HUNYADI LÁSZLÓ és VITA LÁSZLÓ [2002], Statisztika közgazdászoknak, Központi Statisztikai Hivatal, Budapest T. JACOBSON és K.F. ROSZBACH [1999], Evaluating Bank Lending Policy and Consumer Credit Risk, in Computational Finance 1999 [edited by Y.S. Abu-Mostafa et al.] the MIT Press, D.N JOANES [1993], Reject Inference Applied to Logistic Regression for Credit Scoring, IMA Journal of Mathematics Applied in Business and Industry, 5. évf. 4.szám o. 14
15 N.M. KIEFER és C.E. LARSON [2003], Specification and Informational Issues in Credit Scoring, kézirat J.O. KIM és J. CURRY [1977], The treatment of missing data in multivariate analysis, Sociol. Meth. Res., 6.évf, o. P.W. LAVORI, R. DAWSON és D. SHERA [1995], A multiple imputation strategy for clinical trials with truncation of patient data, Statistics in Medicine, 14 évf., o. R.J.A. LITTLE [1979], Maximum Likelihood Inference for Multiple Regression with Missing Values: A Simulation Study, Journal of the Royal Statistical Society, vol.41., o. R.J.A. LITTLE és D.B. RUBIN [1987], Statistical Analysis with Missing Data, John Wiley & Sons, New York. R.J.A. LITTLE és D.B. RUBIN [2002], Statistical Analysis with Missing Data, 2. Edition, John Wiley & Sons, New York. R.J.A. LITTLE [1993], Pattern-mixture Models for Multivariate Incomplete Data, Journal of the American Statistical Association, 88. évf o. R.J.A. LITTLE és N. SCHENKER [1994], Missing Data in Handbook for Statistical Modeling in the Social and Behavioral Sciences [G. Arminger, C. C. Clogg és M. E. Sobel szerk.] New York: Plenum o. G.S. MADDALA [1983], Limited Dependent and Qualitative Variables in Econometrics, Cambridge University Press, Cambridge, UK. MÁDER MIKLÓS PÉTER [2005], Imputálási eljárások hatékonysága, Statisztikai Szemle, 83.évf. 7.szám, o. N.K. MALHOTRA [1987], Analyzing Marketing Research Data with Incomplete Information on the Dependent Variable, Journal of Marketing Research, vol.24, o O.L. MANGASARIAN [1965], Linear and nonlinear separation of patterns by linear programming, Operation Research, 13 évf., o. E. MAYS [2004], Credit Scoring for Risk Managers South Western Thomson Learning 15
16 G.J. MCLACHLAN és K.E. BASFORD [1988], Mixture Models, Inference and Applications to Clustering, Marker Dekker, New York. G.J. MCLACHLAN [1992], Discriminant Analysis and Statistical Pattern Recognition, Wiley, New York. R.W. MCLEOD et.al. [1993], Predicting Credit Risk: A Neural Network Approach, Journal of Retail Banking, 15.évf., 3.szám, o. C.L. MENG és P.SCHMIDT [1985], On the Cost of Partial Observation in the Bivariate Probit Model, International Economic Review, 26. évf. 1. szám o., február. M.C. PAIK, R. SACCO és I.F. LIN [2000], Bivariate Binary Data Analysis with Nonignorably Missing Outcomes, Biometrics, 56. évf o. D.J. POIRIER [1980], Partial Observability in Bivariate Probit Model, Journal of Econometrics, 12. évf o. P.L. ROTH és F.S. SWITZER III [1995], A Monte Carlo Analysis of Missing Data Techniques in a HRM Setting, Journal of Management, 21. évf. 5. szám o. D.B. RUBIN [1987], Multiple Imputation for Nonresponse in Surveys, John Wiley & Sons. D. B. RUBIN [1996], Multiple imputation after 18+ years [with discussion], Journal of the American Statistical Association, 91, o. D. B. RUBIN [2003], Nested Multiple Imputation of NMES via Partially Incompatible MCMC, Statistica Neerlandica, 57, 3-18.o. RUDAS T. [1998], Hogyan olvassunk közvélemény-kutatásokat?, Új Mandátum Könyvkiadó, Budapest J.L. SCHAFER és J.W. GRAHAM [2002], Missing Data: our View of the State of the Art, Psychological Methods, 7. évf. 2. szám o. 16
17 J.L. SCHAFER és M.K. OLSEN [1998], Multiple imputation for multivariate missing-data problems: a data analyst's perspective, Multivariate Behavioral Research, 33. évf., o. P. SEBASTIANI és M. RAMONI [2000], Bayesian Inference with Missing Data Using Bound and Collapse, Journal of Computational and Graphical Statistics, 9. évf. 4. szám o. K.Y. TAM [1991], Neural Network Models and the Prediction of Bank Bankruptcy Omega. The International Journal of Management Science, 19.évf., 5.szám o. K.Y. TAM és M.Y. KIANG [1992], Managerial Applications of Neural Networks: The Case of Bank Failure Predictions. Management Science, július, 38.évf. 7.szám, o. L.C. THOMAS [2000], A Survey of Credit and Behavioural Scoring: Forecasting Financial Risk of Lending to Consumers, International Journal of Forecasting, 16. évf o. L.C. THOMAS, D.B. EDELMAN és J.N. CROOK [2002], Credit Scoring and Its Applications, Society for Industrial and Applied Mathematics, Philadelphia F. VELLA [1992], Simple Tests for Sample Selection Bias in Censored and Discrete Choice Models, Journal of Applied Econometrics, 7. évf o. VIRÁG MIKLÓS és KRISTÓF TAMÁS [2006], Iparági rátákon alapuló csődelőrejelzés sokváltozós statisztikai módszerekkel, Vezetéstudomány, 37. évf., 1.szám o. D. WEST [2000], Neural Network Credit Scoring Models, Computers and Operations Research, 27-évf o J.C. WIGINTON [1980], A note on the comparison of logit and discriminant models of consumer credit behaviour, Journal of Financial Quantitative Anal.,15, o. 17
18 V. A témakörrel kapcsolatos saját publikációk jegyzéke Folyóiratcikkek: Oravecz Beatrix (2007): Credit scoring modellek és teljesítményük mérése. Hitelintézeti Szemle, VI.évf., 6.szám, o Oravecz Beatrix : Hiányzó adatok és kezelésük a statisztikai elemzésekben. Statisztikai Szemle, várható megjelenés január Oravecz Beatrix: Szelekciós torzítás és csökkentése a credit scoring modelleknél. Hitelintézeti Szemle, várható megjelenés január Cikk szerkesztett könyvben: Oravecz Beatrix (2004): Imputációs eljárások. Egy reneszánsz statisztikus. Tanulmánykötet Hunyadi László tiszteletére, KSH Egyéb: Oravecz Beatrix (2000): Hitelmonitoring, Szakdolgozat, BKAE Pénzügy Tanszék Oravecz Beatrix (2002): Dijkstra, W.: Új módszer az interjúk közbeni kölcsönkapcsolatok tanulmányozására. cikkismertetés, Statisztikai szemle, 79. évf. 7. szám, o. 18
FOLYÓIRATOK, ADATBÁZISOK
Szakkönyvtár FOLYÓIRATOK, ADATBÁZISOK 2013. szeptember Acta Oeconomica Állam- és Jogtudomány Élet és Irodalom Figyelő Gazdaság és Jog Határozatok Tára HVG Közgazdasági Szemle Külgazdaság Magyar Hírlap
Szelekciós torzítás és csökkentése az adósminősítési modelleknél
310 ORAVECZ BEATRIX Szelekciós torzítás és csökkentése az adósminősítési modelleknél Az adósminősítéshez használt credit scoring módszerek széles körű alkalmazásának ellenére, még mindig vannak a módszertannak
Az MNB által előfizetett bel- és külföldi lapok, folyóiratok, adatbázisok listája - 2011
Belföldi lapok Külföldi lapok Acta Oeconomica Állam- és Jogtudomány Chip Számítógép Magazin (DVD melléklettel) Élet és Irodalom Figyelő /Profit plusz csomag: Figyelő TOP 200; Figyelő Trend Figyelő /plusz
A TANTÁRGY ADATLAPJA
A TANTÁRGY ADATLAPJA 1. A képzési program adatai 1.1 Felsőoktatási intézmény Babeș Bolyai Tudományegyetem 1.2 Kar Matematika és Informatika Kar 1.3 Intézet Magyar Matematika és Informatika Intézet 1.4
Döntési fák. (Klasszifikációs és regressziós fák: (Classification And Regression Trees: CART ))
Döntési fák (Klasszifikációs és regressziós fák: (Classification And Regression Trees: CART )) Rekurzív osztályozó módszer, Klasszifikációs és regressziós fák folytonos, kategóriás, illetve túlélés adatok
Drótposta: kovacsea@math.bme.hu ; edith_kovacs@yahoo.com ; Honlapom: http://www.math.bme.hu/diffe/staff/kovacse.shtml
Szakmai önéletrajz 1.1 Személyes adatok: Nevem: Kovács Edith Alice Születési idő, hely: 1971.05.18, Arad Drótposta: kovacsea@math.bme.hu ; edith_kovacs@yahoo.com ; Honlapom: http://www.math.bme.hu/diffe/staff/kovacse.shtml
Tevékenység szemléletű tervezés magyarországi felsőoktatási intézmények pályázataiban
Tevékenység szemléletű tervezés magyarországi felsőoktatási intézmények pályázataiban SÜVEGES Gábor Béla Miskolci Egyetem, Gazdaságtudományi Kar, Miskolc stsuveges@uni-miskolc.hu Az utóbbi években egyre
ADATHIÁNY KEZELÉSI ELJÁRÁSOK ÉS IMPUTÁLÁSOK ÖSSZEHASONLÍTÁSA 2
MÁDER MIKLÓS PÉTER 1 ADATHIÁNY KEZELÉSI ELJÁRÁSOK ÉS IMPUTÁLÁSOK ÖSSZEHASONLÍTÁSA 2 A KUTATÁS FÓKUSZA Az értekezés témája az adathiányok jellegzetességeinek bemutatása és a különböző adathiány kezelő eljárások
Vállalati csődelőrejelzés Logit modell és Chaid döntési fák segítségével a Maros megyei vállalatok esetén
XIII. Erdélyi Tudományos Diákköri Konferencia Kolozsvár, 2010. május 14 16. Vállalati csődelőrejelzés Logit modell és Chaid döntési fák segítségével a Maros megyei vállalatok esetén Témavezető: dr. Benyovszki
Selected Publications
Selected Publications Laszlo MATYAS BOOKS: KORNAI, J., MATYAS, L. and ROLAND, G. (eds.) [2009]: Corruption, Development and Institutional Design, Palgrave Macmillan Academic Publisher, 288 pp. MATYAS,
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Correlation & Linear. Petra Petrovics.
Correlation & Linear Regression in SPSS Petra Petrovics PhD Student Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Exercise
OTKA T048849 LEHETŐSÉGEINEK KULTURÁLIS ALAPJAI. Fejlesztési javaslatunk alapja egy empirikus tapasztalatok alapján kiigazított értékelési módszertan.
OTKA T048849 A KÖRNYEZETTUDATOS VÁLLALATI MAGATARTÁS KIALAKÍTÁSÁNAK ÉS FEJLESZTÉSI LEHETŐSÉGEINEK KULTURÁLIS ALAPJAI KUTATÁSI ZÁRÓJELENTÉS 1. KUTATÁSI CÉLKITŰZÉSEK A kutatási tervben empirikus vizsgálatokkal
Publikációs lista. Gódor Győző. 2008. július 14. Cikk szerkesztett könyvben... 2. Külföldön megjelent idegen nyelvű folyóiratcikk...
Publikációs lista Gódor Győző 2008. július 14. Cikk szerkesztett könyvben... 2 Külföldön megjelent idegen nyelvű folyóiratcikk... 2 Nemzetközi konferencia-kiadványban megjelent idegen nyelvű előadások...
Agrár- és élelmiszeripari gazdaság Félév szám. Évfolyam. Tárgykód Tárgynév Tárgynév2 Tárgyfelvétel típusa Tárgy kredit. Labor Heti óraszám
Agrár- és élelmiszeripari gazdaság 1 2 CBGK0021 Pénzügyi könyvvitel Financial Accounting Kötelező 4 Vizsga 2 2 1 2 CBGM0011 Menedzsment Management Kötelező 5 Vizsga 2 2 1 2 CBGG0181 Európai gazdaságtan
Correlation & Linear Regression in SPSS
Petra Petrovics Correlation & Linear Regression in SPSS 4 th seminar Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Correlation
TUDOMÁNYOS ÖNÉLETRAJZ
TUDOMÁNYOS ÖNÉLETRAJZ Személyes Adatok Név: Dr. Marciniak Róbert Születési hely és idő: Gyula, 1980.09.19 Munkahely: Miskolci Egyetem, Vezetéstudományi Intézet Munkahely címe: Beosztás: E-mail: MTMT: MTA:
Szelekciós torzítás és csökkentése az adósminősítési modelleknél
Budapesti Corvinus Egyetem Gazdálkodástudományi Doktori Iskola Szelekciós torzítás és csökkentése az adósminősítési modelleknél Ph.D. értekezés Oravecz Beatrix Budapest, 2008. TARTALOMJEGYZÉK BEVEZETÉS...
Hiányzó adatok és kezelésük a statisztikai elemzésekben
Hiányzó adatok és kezelésük a statisztikai elemzésekben Oravecz Beatrix, a Budapesti Corvinus Egyetem tanársegédje E-mail: beatrix.oravecz@unicorvinus.hu Adathiánnyal szinte minden adatbázis esetén találkozunk.
SZOFTVEREK A SORBANÁLLÁSI ELMÉLET OKTATÁSÁBAN
SZOFTVEREK A SORBANÁLLÁSI ELMÉLET OKTATÁSÁBAN Almási Béla, almasi@math.klte.hu Sztrik János, jsztrik@math.klte.hu KLTE Matematikai és Informatikai Intézet Abstract This paper gives a short review on software
Pécsi Tudományegyetem Közgazdaságtudományi Kar Regionális Politika és Gazdaságtan Doktori Iskola
Pécsi Tudományegyetem Közgazdaságtudományi Kar Regionális Politika és Gazdaságtan Doktori Iskola Kutatói együttműködések Web 2.0-es PhD kutatói közösség Doktori értekezés tézisei Készítette: Szontágh Krisztina
Regression games and applications TDK prezentáció
Regression games and applications TDK prezentáció Budapesti Corvinus Egyetem Áttekintés Bevezetés Regressziós játékok és alkalmazásaik Autoregresszív játékok G N AR Abszolút eltérés regressziós játékok
EBSCO Tartalom licenszelése
EBSCO Tartalom licenszelése Exponáltság & Észrevehetőség Jan Luprich Publisher Relations Manager 1 2 Adatbázisok E-könyvek Discovery Service 3 4 5 6 Az EBSCOhost 400+ tudományos adatbázis minden tudományos
A MINTAVÉTELI ERŐFESZÍTÉS HATÁSA A MINTAREPREZENTATIVITÁSRA EFFECT OF SAMPLING EFFORT ON THE SAMPLE REPRESENTATIVENESS
209 Acta Biol. Debr. Oecol. Hung 18: 209 213, 2008 A MINTAVÉTELI ERŐFESZÍTÉS HATÁSA A MINTAREPREZENTATIVITÁSRA SCHMERA DÉNES 1 ERŐS TIBOR 2 1 Nyíregyházi Főiskola, Biológia Intézet, 4400 Nyíregyháza, Sóstói
Szakszemináriumi téma neve: Kockázatok mérése a Szolvencia II. szabályozásban
Meghirdető neve: Dr. Szüle Borbála Szakszemináriumi téma neve: Kockázatok mérése a Szolvencia II. szabályozásban Téma rövid leírása: A biztosítók működését számos kockázat befolyásolja. A kockázatok pontos
A magyarországi nagyvállalatok kutatás-fejlesztési output aktivitásának vizsgálata, különös tekintettel a regionális különbségekre
A magyarországi nagyvállalatok kutatás-fejlesztési output aktivitásának vizsgálata, különös tekintettel a regionális különbségekre Dr. Molnár László egyetemi adjunktus Fiatal Regionalisták VIII. Konferenciája
MUNKAGAZDASÁGTAN. Készítette: Köllő János. Szakmai felelős: Köllő János. 2011. január
MUNKAGAZDASÁGTAN Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék, az MTA Közgazdaságtudományi
Evészavarok prevalenciája fiatal magyar nők körében. Pszichoszociális háttérjellemzők, komorbiditás más mentális problémákkal
Doktori értekezés tézisei Evészavarok prevalenciája fiatal magyar nők körében. Pszichoszociális háttérjellemzők, komorbiditás más mentális problémákkal Szumska Irena Semmelweis Egyetem 4. sz. Interdiszciplináris
AZ ADATHELYETTESÍTÉS MODERN TECHNIKÁJA MULTIPLE IMPUTATION (MI)
ALKALMAZOTT PSZICHOLÓGIA 2012/2, 65 70. 65 AZ ADATHELYETTESÍTÉS MODERN TECHNIKÁJA MULTIPLE IMPUTATION (MI) DANIS Ildikó Bright Future Humán Kutató és Tanácsadó Kft. ÖSSZEFOGLALÓ A nemzetközi szakirodalomban
Rudas Tamás. Főigazgató
Rudas Tamás Főigazgató Tudományos cím vagy fokozat: MTA doktora, DSc. E-mail: rudas.tamas@tk.mta.hu Telefonszám: 06-1-224-6733 / 460 Épület: PTI épület (Emelet, szobaszám: I. ) Kutatási területek Rudas
LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála
LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála a független változó: névleges vagy sorrendi vagy folytonos skála BIOMETRIA2_NEMPARAMÉTERES_5 1 Y: visszafizeti-e a hitelt x: fizetés (életkor)
Karbantartási játék. Dr. Kovács Zoltán, egyetemi tanár, Pannon Egyetem Kovács Viktor, PhD hallgató, Budapest Műszaki és Gazdaságtudományi Egyetem
Karbantartási játék Dr. Kovács Zoltán, egyetemi tanár, Pannon Egyetem Kovács Viktor, PhD hallgató, Budapest Műszaki és Gazdaságtudományi Egyetem 1. Bevezetés A játékoknak komoly szerepük van az oktatásban.
A lineáris regressziót befolyásoló esetek diagnosztikája
A lineáris regressziót befolyásoló esetek diagnosztikája Dr. Zrínyi Miklós PhD, a Debreceni Egyetem Egészségügyi Karának vendégtanára E-mail: zrinyim@yahoo.com Dr. Katona Éva PhD, az I. sz. Belgyógyászati
Correlation & Linear Regression in SPSS
Correlation & Linear Regression in SPSS Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Exercise 1 - Correlation File / Open
Statistical Inference
Petra Petrovics Statistical Inference 1 st lecture Descriptive Statistics Inferential - it is concerned only with collecting and describing data Population - it is used when tentative conclusions about
Decision where Process Based OpRisk Management. made the difference. Norbert Kozma Head of Operational Risk Control. Erste Bank Hungary
Decision where Process Based OpRisk Management made the difference Norbert Kozma Head of Operational Risk Control Erste Bank Hungary About Erste Group 2010. 09. 30. 2 Erste Bank Hungary Erste Group entered
VÁLTOZTATÁSMENEDZSMENT A HAZAI GYAKORLATBAN
Nyugat-magyarországi Egyetem Közgazdaságtudományi Kar Széchenyi István Gazdálkodás- és Szervezéstudományok Doktori Iskola Vállalkozásgazdaságtan és menedzsment program VÁLTOZTATÁSMENEDZSMENT A HAZAI GYAKORLATBAN
Választási modellek 3
Választási modellek 3 Prileszky István Doktori Iskola 2018 http://www.sze.hu/~prile Forrás: A Self Instructing Course in Mode Choice Modeling: Multinomial and Nested Logit Models Prepared For U.S. Department
Schenau, S.: A holland klímavédelmi politika értékelése a szatellit számla alapján
1145 Schenau, S.: A holland klímavédelmi politika értékelése a szatellit számla alapján (SEEA as a Framework for Assessing Policy Responses to Climate Change.) Fifth Meeting of the UN Committee of Experts
Lineáris regresszió vizsgálata resampling eljárással
Lineáris regresszió vizsgálata resampling eljárással Dolgozatomban az European Social Survey (ESS) harmadik hullámának adatait fogom felhasználni, melyben a teljes nemzetközi lekérdezés feldolgozásra került,
KÖZELÍTŐ INFERENCIA II.
STATISZTIKAI TANULÁS AZ IDEGRENDSZERBEN KÖZELÍTŐ INFERENCIA II. MONTE CARLO MÓDSZEREK ISMÉTLÉS Egy valószínűségi modellben a következtetéseinket a látensek vagy a paraméterek fölötti poszterior írja le.
Baranyáné Dr. Ganzler Katalin Osztályvezető
Budapesti Műszaki és Gazdaságtudományi Egyetem Biokémiai és Élelmiszertechnológiai Tanszék Kapilláris elektroforézis alkalmazása búzafehérjék érésdinamikai és fajtaazonosítási vizsgálataira c. PhD értekezés
The nontrivial extraction of implicit, previously unknown, and potentially useful information from data.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék Adatelemzés intelligens módszerekkel Hullám Gábor Adatelemzés hagyományos megközelítésben I. Megválaszolandó
1918 December 1 út, 15/H/4, Sepsiszentgyörgy (Románia) Mobil 0040 748239263 biro_biborka@yahoo.com
Europass Önéletrajz Személyi adatok Vezetéknév (nevek) / Utónév (nevek) Cím(ek) Bíró Bíborka Eszter 1918 December 1 út, 15/H/4, Sepsiszentgyörgy (Románia) Mobil 0040 748239263 E-mail(ek) biro_biborka@yahoo.com
I. A felfedési kockázat mérése és a mikroadatokhoz való hozzáférés jövője II. Paraadatok használata a rugalmas (responsive) mintavétel során
Magyar Statisztikai Társaság Gazdaságstatisztikai és Nemzetközi Statisztikai Szakosztálya Magyar résztvevők az ISI (58.) dublini konferenciájáról I. A felfedési kockázat mérése és a mikroadatokhoz való
sorsz. Tárgykód Kurzuskód Tárgynév Nyelv Kurzus típus
1 293NFINVI333B ISP_G-P Personal Finance & Wealth Management angol Gyakorlat 2 293NMEDIA1B ISP_G-P Press photography, documentary and campaign film-making angol Gyakorlat 3 293NOPRV312B ISP_E-P Sustainable
Impakt faktor, hivatkozások
Impakt faktor, hivatkozások Impact Factor and Cited Reference Három kérdést kell tisztázni Milyen fontosak EZEN SZERZŐ munkái? Milyen fontos EZEN CIKK a kutatási területen? Stuntz WJ (2001): O.J. Simpson,
A forrás pontos megnevezésének elmulasztása valamennyi hivatkozásban szerzői jogsértés (plágium).
A szakirodalmi idézések és hivatkozások rendszere és megadásuk szabályai A bibliográfia legfontosabb szabályai Fogalma: Bibliográfiai hivatkozáson azoknak a pontos és kellően részletezett adatoknak az
EURÓPAI RENDSZERKOCKÁZATI TESTÜLET
2013.6.15. Az Európai Unió Hivatalos Lapja C 170/1 I (Állásfoglalások, ajánlások és vélemények) AJÁNLÁSOK EURÓPAI RENDSZERKOCKÁZATI TESTÜLET AZ EURÓPAI RENDSZERKOCKÁZATI TESTÜLET AJÁNLÁSA (2013. április
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nonparametric Tests
Nonparametric Tests Petra Petrovics Hypothesis Testing Parametric Tests Mean of a population Population proportion Population Standard Deviation Nonparametric Tests Test for Independence Analysis of Variance
Design of Programming V 5 -
Gazdaságinformatikus (BSc) alapszak nappali tagozat (BGI) / BSc programme in Business Information Technology (Full Time) A mintatantervben szereplő tárgyakon felül a tanulmányok során további 10 kredit
Design of Programming V 5 -
Gazdaságinformatikus (BSc) alapszak nappali tagozat (BGI) / BSc programme in Business Information Technology (Full Time) A mintatantervben szereplő tárgyakon felül a tanulmányok során további 10 kredit
Adathiány kezelési eljárások és imputálások összehasonlítása
EÖTVÖS LORÁND TUDOMÁNYEGYETEM TÁRSADALOMTUDOMÁNYI KAR SZOCIOLÓGIA DOKTORI ISKOLA Adathiány kezelési eljárások és imputálások összehasonlítása PhD értekezés tézisei Máder Miklós Péter Témavezető: Dr. Székelyi
Ki tanul kitől? Tudástranszfer a Kaposvári egyetem és a Tamási kistérség között
sáriné csajka edina, csizmadiáné czuppon viktória, NémeTh NáNdor Ki tanul kitől? Tudástranszfer a Kaposvári egyetem és a Tamási kistérség között A leghátrányosabb helyzetű kistérségek és a felsőoktatás
ICT ÉS BP RENDSZEREK HATÉKONY TELJESÍTMÉNY SZIMULÁCIÓJA DR. MUKA LÁSZLÓ
ICT ÉS BP RENDSZEREK HATÉKONY TELJESÍTMÉNY SZIMULÁCIÓJA DR. MUKA LÁSZLÓ 1 TARTALOM 1.1 A MODELLEZÉS ÉS SZIMULÁCIÓ META-SZINTŰ HATÉKONYSÁGÁNAK JAVÍTÁSA A. Az SMM definiálása, a Jackson Keys módszer kiterjesztése
Mérnök informatikus (BSc) alapszak levelező tagozat (BIL) / BSc in Engineering Information Technology (Part Time)
Mérnök informatikus (BSc) alapszak levelező tagozat (BIL) / BSc in Engineering Information Technology (Part Time) (specializáció választás a 4. félévben, specializációra lépés feltétele: az egyik szigorlat
MIBEN SEGÍT A RENDSZERSZEMLÉLETŰ KONFIGURÁCIÓELEMZÉS AZ ALKOTÁSOK PSZICHOLÓGIAI ELEMZÉSE SORÁN?
Psychologia Hungarica Caroliensis, 2013, 1, 1, 108-113. DOI: 10.12663/PsyHung.1.2013.1.1.5 MIBEN SEGÍT A RENDSZERSZEMLÉLETŰ KONFIGURÁCIÓELEMZÉS AZ ALKOTÁSOK PSZICHOLÓGIAI ELEMZÉSE SORÁN? A hétlépéses képelemzési
Bevezetés a viselkedési piacelméletbe
Bevezetés a viselkedési piacelméletbe Selei Adrienn A téma relevanciája Napjainkban: második hullámbeli viselkedés gazdaságtan (Rabin, 2002) Egyre inkább teret nyer a viselkedési piacelmélet (Behavioral
MKKV ügyfelek adósminősítő modelljének fejlesztése RapidMiner a TakarékBankban Frindt Anna Magyar Takarékszövetkezeti Bank Zrt. 1 Budapest, 2011.10.06. A Takarékbank és a Takarékszövetkezetek/Bankok 1989
Hírek, események. Györgyöt a Szolgáltatás- és külkereskedelemstatisztikai. osztálya vezetőjévé nevezte ki.
1082 Fórum személyek komplett szakmai adatbázisokhoz jussanak hozzá általa, hanem hogy az egyes állampolgárok tájékozódhassanak a közügyek intézéséről, és ezzel összefüggésben a közpénzek felhasználásáról.
OROSZ MÁRTA DR., GÁLFFY GABRIELLA DR., KOVÁCS DOROTTYA ÁGH TAMÁS DR., MÉSZÁROS ÁGNES DR.
ALL RIGHTS RESERVED SOKSZOROSÍTÁSI CSAK A MTT ÉS A KIADÓ ENGEDÉLYÉVEL Az asthmás és COPD-s betegek életminõségét befolyásoló tényezõk OROSZ MÁRTA DR., GÁLFFY GABRIELLA DR., KOVÁCS DOROTTYA Semmelweis Egyetem
Bozóki Sándor. MTA SZTAKI, Budapesti Corvinus Egyetem. Vitaliy Tsyganok
A feszítőfákból számolt súlyvektorok mértani közepének optimalitása a logaritmikus legkisebb négyzetes célfüggvényre nézve Bozóki Sándor MTA SZTAKI, Budapesti Corvinus Egyetem Vitaliy Tsyganok Laboratory
Basel II, avagy a tőkekövetelmények és azok számítása a pénz- és tőkepiaci szervezeteknél - számítás gyakorlati
Basel II, avagy a tőkekövetelmények és azok számítása a pénz- és tőkepiaci szervezeteknél - számítás gyakorlati példákon Dr. Pálosi-Németh Balázs, Tamás Sándor Budapest, 18 November 2010 A Bank tőkemegfelelésének
KÖZELÍTŐ INFERENCIA II.
STATISZTIKAI TANULÁS AZ IDEGRENDSZERBEN KÖZELÍTŐ INFERENCIA II. MONTE CARLO MÓDSZEREK ISMÉTLÉS Egy valószínűségi modellben a következtetéseinket a látensek vagy a paraméterek fölötti poszterior írja le.
Yakov Amihud Haim Mendelson Lasse Heje Pedersen: Market Liquidity. Asset Pricing, Risk and Crises
Közgazdasági Szemle, LXII. évf., 2015. július augusztus (871 875. o.) Yakov Amihud Haim Mendelson Lasse Heje Pedersen: Market Liquidity. Asset Pricing, Risk and Crises Cambridge University Press, Cambridge,
Kommunikatív nyelvi tesztek kritériumai 1
Katona Lucia Kommunikatív nyelvi tesztek kritériumai 1 1. Bevezetés Ez a tanulmány arra a nyelvvizsgáztatásban döntő jelentőségű kérdésre igyekszik válaszolni, hogy az idegennyelv-tudás mérésekor mit és
MAGASÉPÍTÉSI PROJEKT KOCÁZATAINAK VIZSGÁLATA SZAKMAI INTERJÚK TÜKRÉBEN 1 CSERPES IMRE 2
MAGASÉPÍTÉSI PROJEKT KOCÁZATAINAK VIZSGÁLATA SZAKMAI INTERJÚK TÜKRÉBEN 1 CSERPES IMRE 2 Összefoglalás A konferencia kiadványhoz készített cikk a fejlesztés alatt álló építőipari kockázatelemző szoftver
Egy régi probléma újra előtérben: a nullhipotézis szignifikancia-teszt téves gyakorlata
Egy régi probléma újra előtérben: a nullhipotézis szignifikancia-teszt téves gyakorlata Bárdits Anna, Németh Renáta, Terplán Győző barditsanna@gmail.com nemethr@tatk.elte.hu terplangyozo@caesar.elte.hu
A rosszindulatú daganatos halálozás változása 1975 és 2001 között Magyarországon
A rosszindulatú daganatos halálozás változása és között Eredeti közlemény Gaudi István 1,2, Kásler Miklós 2 1 MTA Számítástechnikai és Automatizálási Kutató Intézete, Budapest 2 Országos Onkológiai Intézet,
társadalomtudományokban
Gépi tanulás, predikció és okság a társadalomtudományokban Muraközy Balázs (MTA KRTK) Bemutatkozik a Számítógépes Társadalomtudomány témacsoport, MTA, 2017 2/20 Empirikus közgazdasági kérdések Felváltja-e
Informatikaoktatás módszertana (1) FONTOSSÁGA: IKT + programozás
Informatikaoktatás módszertana (1) FONTOSSÁGA: IKT + programozás Információs és Kommunikációs Technológiák (IKT) Európa Tanács, lisszaboni határozat, 2000 a te h ológia oktatás a törté ő i tegrálása európai
Szervezeti egészség: A munkateljesítmény és a dolgozók életminőségének összefüggései
MUNKAVÉDELEM 1.4 Szervezeti egészség: A munkateljesítmény és a dolgozók életminőségének összefüggései Tárgyszavak: munkaszervezés; munkahelyi légkör; munkakörülmények; szervezetfejlesztés; egészségvédelem;
Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása
Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból
Önéletrajz. Személyi adatok. Szakmai tapasztalat. juhasz.istvan@ektf.hu. Időtartam 2009. szeptember. Főbb tevékenységek és feladatkörök
Önéletrajz Személyi adatok Vezetéknév / Utónév Telefonszám E-mail Juhász István 06-36/520-400/ 3077 mellék juhasz.istvan@ektf.hu Szakmai tapasztalat Időtartam 2009. szeptember tanársegéd Előadások és szemináriumok
Pacemaker készülékek szoftverének verifikációja. Hesz Gábor
Pacemaker készülékek szoftverének verifikációja Hesz Gábor A szív felépítése http://hu.wikipedia.org/w/index.php?title=fájl:diagram_of_the_human_heart_hu.svg http://en.wikipedia.org/wiki/file:conductionsystemoftheheartwithouttheheart.png
A bioinformatika oldaláról a Human Protein Szervezet (Human Protein Organization HUPO) alelnöke bemutatta, hogy az ő szakterületükön.
1025 Folyóiratszemle Sedransk, N. Young, L. J. Kelner, K. L. Moffitt, R. A. Thakar, A. Raddick, J. Ungvarsky, E. J. Carlson, R. W. Apweiler, R. Cox, L. H. Nolan, D. Soper, K. Spiegelman, C.: Legyenek nyilvánosak
STUDENT LOGBOOK. 1 week general practice course for the 6 th year medical students SEMMELWEIS EGYETEM. Name of the student:
STUDENT LOGBOOK 1 week general practice course for the 6 th year medical students Name of the student: Dates of the practice course: Name of the tutor: Address of the family practice: Tel: Please read
Sex: Male Date of Birth: 02 August 1947 Citizenship: Hungarian
PERSONAL INFORMATION Dr. János Szlávik 3300 Eger, Tompa Mihály u. 8. +36-36-520-400/3082 +36-30-4365-541 szlavik@ektf.hu www.gti.ektf.hu Sex: Male Date of Birth: 02 August 1947 Citizenship: Hungarian WORK
VI. számú melléklet: Hasznos linkek. Jogpontok https://www.jogpontok.hu
VI. számú melléklet: Hasznos linkek Általános Jogpontok https://www.jogpontok.hu http://jogpontok.hu/index.aspx?mn=jogsegelyalternativvitarendezes Egyenlő Bánásmód Hatóság http://www.egyenlobanasmod.hu/
Honlap szerkesztés Google Tudós alkalmazásával
Dr. Mester Gyula Honlap szerkesztés Google Tudós alkalmazásával Összefoglaló: A közlemény tematikája honlap szerkesztés Google Tudós alkalmazásával. A bevezetés után a tudományos teljesítmény mérésének
Good-Turing lefedés. Lang Zsolt
Good-Turing lefedés Lang Zsolt 2017.03.24. Bevezetés Fajok közösségét vizsgáljuk. Sok faj van, az egyedek száma gyakorlatilag végtelen. Az egyedekből véletlen mintát veszünk. Kérdés, a mintában van-e,
D é n e s T a m á s matematikus-kriptográfus
D é n e s T a m á s matematikus-kriptográfus e-mail: tdenest@freemail.hu Gondolatok a társadalomkutatás módszertanáról és oktatásáról (Társadalom-holográfia) 1. Elméleti elızmények A társadalomkutatás
A kötet szerkesztői. Ábel István
A kötet szerkesztői Ábel István A Marx Károly Közgazdasági Egyetem gazdaságmatematika szakán végzet 1978- ban. A közgazdaság-tudomány kandidátusa (CSc) címet 1989-ben a vállalati viselkedés, a nyereségérdekeltség
Pletykaalapú gépi tanulás teljesen elosztott környezetben
Pletykaalapú gépi tanulás teljesen elosztott környezetben Hegedűs István Jelasity Márk témavezető Szegedi Tudományegyetem MTA-SZTE Mesterséges Intelligencia Kutatócsopot Motiváció Az adat adatközpontokban
DR. ZACHÁR LÁSZLÓ PHD.
DR. ZACHÁR LÁSZLÓ PHD. FŐISKOLAI TANÁR KUTATÁSI TERÜLETEK A HAZAI FELNŐTTKÉPZÉS FUNKCIÓI, FEJLŐDÉSE, HATÉKONYSÁGA A SZAKKÉPZÉS MODULÁRIS ÉS KOMPETENCIA ALAPÚ FEJLESZTÉSE A KULCSKOMPETENCIÁK SZEREPE A SZEMÉLYISÉG
Extraktív heteroazeotróp desztilláció: ökologikus elválasztási eljárás nemideális
Ipari Ökológia pp. 17 22. (2015) 3. évfolyam, 1. szám Magyar Ipari Ökológiai Társaság MIPOET 2015 Extraktív heteroazeotróp desztilláció: ökologikus elválasztási eljárás nemideális elegyekre* Tóth András
VI. Magyar Földrajzi Konferencia 524-529
Van Leeuwen Boudewijn Tobak Zalán Szatmári József 1 BELVÍZ OSZTÁLYOZÁS HAGYOMÁNYOS MÓDSZERREL ÉS MESTERSÉGES NEURÁLIS HÁLÓVAL BEVEZETÉS Magyarország, különösen pedig az Alföld váltakozva szenved aszályos
KISTERV2_ANOVA_
Két faktor szerinti ANOVA Az A faktor minden szintjét kombináljuk a B faktor minden szintjével, minden cellában azonos számú ismétlés (kiegyensúlyozott terv). A terv szerkezete miatt a faktorok hatását
Publikációk. Libor Józsefné dr.
Publikációk Libor Józsefné dr. Referált publikációk/ Refereed publications 1, Libor Józsefné, Tómács Tibor: Rényi-Hajek inequality and its applications. ( Annales Mathematicae et Informaticae, 33. Eger,
Mit mond a XXI. század emberének a statisztika?
Mit mond a XXI. század emberének a statisztika? Rudas Tamás Magyar Tudományos Akadémia Társadalomtudományi Kutatóközpont Eötvös Loránd Tudományegyetem Statisztika Tanszék Nehéz a jövőbe látni Változik
tanulmányok Makó Csaba Illéssy Miklós A szervezeti innovációk a közszféra szervezeteiben
tanulmányok Makó Csaba Illéssy Miklós A szervezeti innovációk a közszféra szervezeteiben (A jó állam 1 létrehozásának és tartós fenntartásának elhanyagolt dimenziója) Elemzésünkben az európai közigazgatási
Döntési eszközök mikrovállalkozásoknak
Döntési eszközök mikrovállalkozásoknak Bevezetés Ebben a fejezetben néhány egyszerű, mikrovállalatok számára alkalmas döntési módszert mutatunk be. A modul áttanulmányozásának időigénye körülbelül 20 perc.
Modellezési Kockázat. Kereskedelmi Banki Kockázatmodellezés. Molnár Márton Modellezési Vezető (Kockázatkezelés)
Modellezési Kockázat Kereskedelmi Banki Kockázatmodellezés Molnár Márton Modellezési Vezető (Kockázatkezelés) Modellek Kockázata Adathibák Szabályozói elvárások figyelmen kívül hagyása Becslési Bizonytalanság
Hughes, M.- Dancs, H.( 2007) (eds): Basics of Performance Analysis, Cardiff- Szombathely, Budapest
Szegnerné dr. Dancs Henriette PUBLIKÁCIÓ Könyv, idegen nyelv Szerz, cím, megjelenés helye, 2006 Dancs, H- Hughes, M.- Donoghue, P. (2006) (eds): World Congress of Performance Analysis of Sport 7th, Proceeding,
Németh Renáta Grafikus modellek kategoriális adatokon társadalomtudományi alkalmazással
08Nemeth(3).qxd 2006.05.18. 14:52 Page 147 Németh Renáta Grafikus modellek kategoriális adatokon társadalomtudományi alkalmazással A kategoriális adatokra alkalmazott grafikus modellek marginális loglineáris
Leica SmartRTK, az aktív ionoszféra kezelésének záloga (I. rész)
Leica SmartRTK, az aktív ionoszféra kezelésének záloga (I. rész) Aki egy kicsit is nyomon követi a GNSS technológia aktualitásait, az egyre gyakrabban találkozhat különböző cikkekkel, értekezésekkel, melyek
Előrenéző és paraméter tanuló algoritmusok on-line klaszterezési problémákra
Szegedi Tudományegyetem Számítógépes Algoritmusok és Mesterséges Intelligencia Tanszék Dr. Németh Tamás Előrenéző és paraméter tanuló algoritmusok on-line klaszterezési problémákra SZTE TTIK, Móra Kollégium,
Publikációs lista. Dr. Molnárka-Miletics Edit Széchenyi István Egyetem Matematika és Számítástudományi Tanszék
Publikációs lista Dr. Molnárka-Miletics Edit Széchenyi István Egyetem Matematika és Számítástudományi Tanszék Folyóirat cikkek: E. Miletics: Energy conservative algorithm for numerical solution of ODEs
A STRATÉGIAALKOTÁS FOLYAMATA
BUDAPESTI CORVINUS EGYETEM VÁLLALATGAZDASÁGTAN INTÉZET VERSENYKÉPESSÉG KUTATÓ KÖZPONT Szabó Zsolt Roland: A STRATÉGIAALKOTÁS FOLYAMATA VERSENYBEN A VILÁGGAL 2004 2006 GAZDASÁGI VERSENYKÉPESSÉGÜNK VÁLLALATI
Rudas Tamás - Curriculum Vitae
Rudas Tamás - Curriculum Vitae ISKOLAI VÉGZETTSÉG 1960-68: általános iskola, Budapest 1968-72: Berzsenyi Dániel Gimnázium, Budapest, speciális matematika tagozat 1973-78: Eötvös Loránd Tudományegyetem,
TUDÁSPROJEKTEK JELENLÉTE A VÁLLALATI KÖRNYEZETBEN KOSÁR SILVIA 1
TUDÁSPROJEKTEK JELENLÉTE A VÁLLALATI KÖRNYEZETBEN KOSÁR SILVIA 1 Összefoglalás: Az információforradalom szükségessé tette a szervezeti eredményesség és hatékonyság tudásintenzív megközelítését. Valamennyi