Hyppää sisältöön
    • Suomeksi
    • På svenska
    • In English
  • Suomeksi
  • På svenska
  • In English
  • Kirjaudu
JavaScript is disabled for your browser. Some features of this site may not work without it.
Näytä viite 
  •   Kaisu etusivu
  • Suomen Pankki
  • Vertaisarvioidut artikkelit
  • Näytä viite
  •  
  • Suomen Pankki
  • Vertaisarvioidut artikkelit
  • Näytä viite

Predicting Banking Crises with Artificial Neural Networks: The Role of Nonlinearity and Heterogeneity

Ristolainen, Kim (28.12.2017)

Ristolainen, Kim

Julkaisusarja

Scandinavian Journal of Economics

Volyymi

120

Numero

1; January 2018

2018

http://onlinelibrary.wiley.com/doi/10.1111/sjoe.12216/full
Näytä kaikki kuvailutiedot

Julkaisun pysyvä osoite on

https://urn.fi/URN:NBN:fi:bof-201803221383
Tiivistelmä
Studies of the early warning systems (EWSs) for banking crises usually rely on linear classifiers, estimated with international datasets. I construct an EWS based on an artificial neural network (ANN) model, and I also account for regional heterogeneity in order to improve the generalization ability of EWS models. All of the banking crises in my test set are then predictable at a 24-month horizon, using information from earlier crises. For some countries, estimation with a regional dataset significantly improves the predictions. The ANN outperforms the usual logit regression, assessed by the area under the receiver operating characteristics curve.

Selaa kokoelmaa

NimekkeetTekijätJulkaisuvuodetJulkaisijatJEL-luokituksetSivukartta

Aineiston tallentajille

Kirjaudu sisäänRekisteröidy
Tietosuojaseloste
Saavutettavuusseloste
Suomen Pankin kirjasto
PL 160
00101 Helsinki
Puh. 09 183 2661
Sijainti: Rauhankatu 19, Helsinki

Palvelun tuottaja
Kansalliskirjasto