Personal bankruptcy prediction using decision tree model

Sharifah Heryati Syed Nor, Shafinar Ismail, Bee Wah Yap

Abstract


Purpose – Personal bankruptcy is on the rise in Malaysia. The Insolvency Department of Malaysia reported that personal bankruptcy has increased since 2007, and the total accumulated personal bankruptcy cases stood at 131,282 in 2014. This is indeed an alarming issue because the increasing number of personal bankruptcy cases will have a negative impact on the Malaysian economy, as well as on the society. From the aspect of individual’s personal economy, bankruptcy minimizes their chances of securing a job. Apart from that, their account will be frozen, lost control on their assets and properties and
not allowed to start any business nor be a part of any company’s management. Bankrupts also will be denied from any loan application, restricted from travelling overseas and cannot act as a guarantor. This paper aims to investigate this problem by developing the personal bankruptcy prediction model using the
decision tree technique.
Design/methodology/approach – In this paper, bankrupt is defined as terminated members who failed to settle their loans. The sample comprised of 24,546 cases with 17 per cent settled cases and 83 percent terminated cases. The data included a dependent variable, i.e. bankruptcy status (Y = 1(bankrupt),
Y = 0 (non-bankrupt)) and 12 predictors. SAS Enterprise Miner 14.1 software was used to develop the decision tree model.
Findings – Upon completion, this study succeeds to come out with the profiles of bankrupts, reliable personal bankruptcy scoring model and significant variables of personal bankruptcy.
Practical implications – This decision tree model is possible for patent and income generation. Financial institutions are able to use this model for potential borrowers to predict their tendency toward personal bankruptcy.

Originality/value – This decision tree model is able to facilitate and assist financial institutions in evaluating and assessing their potential borrower. It helps to identify potential defaulting borrowers. It also can assist financial institutions in implementing the right strategies to avoid defaulting borrowers.

La quiebra personal está en aumento en Malasia. El Departamento de Insolvencia de Malasia informó que la bancarrota personal ha aumentado desde 2007, y el total acumulado de casos de bancarrota personal fue de 131,282 en 2014. Este es un problema alarmante porque el número creciente de casos de bancarrota personal tendrá un impacto negativo en la economía de Malasia. así como en la sociedad. Desde el aspecto de la economía personal del individuo, la bancarrota minimiza sus posibilidades de obtener un empleo. Aparte de eso, su cuenta se congelará, perderá el control sobre sus activos y propiedades y no se le permitirá iniciar ningún negocio ni ser parte de la administración de ninguna compañía. Las bancarrotas también serán denegadas de cualquier solicitud de préstamo, no podrán viajar al extranjero y no podrán actuar como garantes. Este artículo investiga este problema desarrollando el modelo de predicción de bancarrota personal utilizando la técnica del árbol de decisión. En este documento, bancarrota se define como miembros cancelados que no pudieron liquidar sus préstamos. La muestra comprendió 24,546 casos con 17% de casos resueltos y 83% casos terminados. Los datos incluyeron una variable dependiente, es decir, el estado de quiebra (Y = 1 (quiebra), Y = 0 (no quiebra)) y 12 predictores. Una vez finalizado, este estudio logró presentar los perfiles de quiebras, el modelo confiable de puntaje de bancarrota personal y las variables significativas de la bancarrota personal. Los hallazgos de este estudio son muy útiles y significativos para los bancos, los acreedores, el Departamento de Insolvencia de Malasia, los prestatarios potenciales, los miembros de la Agencia de Asesoría de Crédito y Gestión de Deudas y la sociedad en general sobre el conocimiento y el riesgo de quiebra personal. Esta información puede ayudar a hacer una predicción de bancarrota personal y tomar medidas preventivas o correctivas para reducir el número de casos de bancarrota personal. Se espera que este estudio sea una piedra angular para un mayor desarrollo e improvisación, especialmente a medida que haya más información y datos disponibles o accesibles.


Keywords


Data mining; credit scoring; decision tree model; personal bankruptcy; random undersampling; quiebra personal; minería de datos; árbol de decisiones; puntuación de crédito; submuestreo aleatorio

Full Text:

PDF

Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 The bi-annual academic publication of Universidad ESAN

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

The Universidad ESAN, with more than 50 years of experience in the higher education field and post graduate studies, desires to contribute to the academic community with the most outstanding pieces of research. We gratefully welcome suggestions and contributions from our readers in order to help
us hit our goals.