11] Breiman, L., Friedman, J.H., Oishen, R.A. and Stone, C.J. (1984), Classification and Regression Trees, Londra, Chapman & Hall. 12] Breiman, L.

Transcript

1 Bibliografia 1] AA.VV. (2005) La performance delle banche, Roma, Bancaria Editrice. 2] AA.VV. (2000) Modelli per la gestione del rischio di credito. I ratings interni, Roma, pubblicazioni della Banca d Italia. 3] Austin, P. C., Tu, J. V. (2004) Bootstrap methods for developing predictive models, The American Statisticians, volume 58, pp ] Azzalini, A. e Scarpa, B.(2004) Analisi dei dati e data mining, Milano, Springer. 5] Basel Committee on Banking Supervision (1999), Capital requirement and bank behaviour: the impact of the Basel Accord; working paper n.1; 6] Basel Committee on Banking Supervision (2002), Quantitative Impact Study 3 Technical Guidance; 7] Beretta, S. (2004) Valutazione dei rischi e controllo interno, Milano, Università Bocconi Editore. 8] Biggs, D., De Ville, B. e Suen, E. (1991) A method of choosing multi-way partitions for classification and decision trees, Journal of Applied Statistics, volume 18, pp ] Bolasco, S.(1999) Analisi multimediale dei dati, Roma, Carocci Editore. 10] Braun, J.e Maindonald, J. (2003) Data Analysis and Graphics Using R-an example base approach, Cambridge, Cambridge University Press. 235

2 11] Breiman, L., Friedman, J.H., Oishen, R.A. and Stone, C.J. (1984), Classification and Regression Trees, Londra, Chapman & Hall. 12] Breiman, L. (1996) Bagging predictors, Machine Learning, volume 26, pp ] Breiman, L. (2001a) Random Forests, Machine Learning, volume 45, 1, ] Breiman, L. (2001b) Statistical modeling: the two cultures, Statistical Science, volume 16, pp ] Breiman, L. (2002) Manual on setting up, using, and understanding Random Forests v3.1, 16] Brentari, E., Dancelli, D., Zuccolotto, P.(2009) Analisi dei fattori di maggior impatto sulla formazione del prezzo del vino: un esempio di utilizzo delle Random Forests, Dipartimento di Metodi Quantitativi dell'università di Brescia. 17] Carey M. & Hrycay M. (2000). Parameterizing credit risk models with rating data, Finance and Economics Discussion Series , Board of Governors of the Federal Reserve System (U.S.). 18] Carini, C. (2006) Tecniche algoritmiche basate su alberi di classificazione e regressione: un applicazione alla segmentazione di mercato, Tesi di Laurea Specialistica, Università degli Studi di Brescia - Facoltà di Economia. 19] Cleveland, W.S. (1979) Robust locally weighted regression and smoothing scatterplots, Journal of the American Statistical Association, volume 74, pp , American Statistical Association. 236

3 20] Cleveland, W.S. e Devlin, S.J. (1988) Locally weighted regression: an approach to regression analysis by local fitting, Journal of the American Statistical Association, volume 83, n.403, Application and case studies, American Statistical Association. 21] Cleveland, W.S., Devlin, S.J., Grosse, E. e William, S. (1988) Regression by local fitting: methods, properties and computational algorithms, Journal of Econometrics, volume 37, pp ] Crouhy, M., Galai, D., Mark, R. (2000) A comparative analysis of current credit risk models, Journal of Banking & Finance, volume 24, pp ] Dalgaard, P. (2002) Introductory Statistics with R, New York, Springer. 24] De Laurentis, G. (1998), Credit Risk Management e vision dell attività di prestito: riflessioni per le banche italiane, Roma, Bancaria Editrice. 25] De Laurentis, G. (2001), Rating interni e credit risk management, Roma, Bancaria Editrice. 26] Faraway, J. J.(2006) Extending the Linear Model with R, Generalized Linear, Mixed effects and Nonparametric Regression Model, Londra, Chapman & Hall. 27] Ferraty, F., Goia, A. e Vieu, P. (2002) Statistica funzionale: modelli di regressione non parametrici, Milano, FrancoAngeli. 28] Friedman, J., Hastie, T.e Tibshirani, R. (2001) The elements of Statistical learning: Data Mining, Inference and Prediction, New York, Springer. 29] lacus, S.e Masarotto, G. (2003) Laboratorio di statistica con R, Milano, Mc Graw-Hill. 237

4 30] Montinaro M. (2004), Metodi statistici per le indagini campionarie, Utet Libreria, Torino. 31] Marsella, M., Sironi A., (1998), La misurazione e la gestione del rischio di credito,roma, Bancaria Editrice. 32] Tibshirani, R. (1996) Bias, variance, and prediction error for classification rules. Tecnical Report, Statistics Department, University of Toronto. 33] Sandri M., Zuccolotto P. (2004) Classification with Random Forests: the theorical framework, Rapporti di Ricerca del Dipartimento di Metodi Quantitativi dell'università degli Studi di Brescia, n ] Sandri M., Zuccolotto P. (2006) Variable selection using Random Forests, in Zani S., Cerioli A., Riani M., Vichi M., Data Analysis, Classification and Forward Search, Springer, Berlino. 35] Simonoff, J. (1996) Smoothing Methods in statistics, New York, Springer. 36] Watson, G.S. (1964) Smooth regression analysis, volume 26, serie A, pp ] Verzani, J. Simple R: Using R for Introductory Statistics, 38] Vezzoli, M. (2007) Recent advances in classification and regression trees, Tesi di Dottorato, Università degli Studi di Milano-Bicocca - Facoltà di Economia. 39] Vezzoli, M., Zuccolotto P. (2009) CRAGGING measures of variable importance for data with hierarchical structure, Università degli Studi di Brescia - Facoltà di Economia Dipartimento di Metodi Quantitativi. 238

5 40] Zani, S. (1994) Analisi dei dati statistici, vol I e II, Milano, Giuffrè Editore. 41] Zani, S., Cerioli, A. (2007), Analisi dei dati e data mining per le decisioni aziendali, Milano, Giuffrè Editore 42] segnalaz/norm_rif/sec_ban/circ140.pdf, sito-web Banca d Italia. 43] sito-web Bank for International Settlement. 44] 40classificazione_attivita_economiche_2007.pdf, sito-web ISTAT. 45] il sito del Gruppo Banca Popolare di Vicenza. 239