Research
Discussion Paper
PIERspectives
aBRIDGEd
PIER Blog
Events
Conferences
Research Workshops
Policy Forums
Seminars
Exchanges
Community
PIER Research Network
Visiting Fellows
Funding and Grants
About Us
Our Organization
Announcements
PIER Board
Staff
Work with Us
Contact Us
TH
EN
Research
Research
Discussion Paper
PIERspectives
aBRIDGEd
PIER Blog
Thailand and the Middle-Income Trap: An Analysis from the Global Value Chain Perspective
Discussion Paper ล่าสุด
Thailand and the Middle-Income Trap: An Analysis from the Global Value Chain Perspective
ค่าเงินบาทผันผวน: “ตัวปรับสมดุล” หรือ “ตัวป่วน” เศรษฐกิจไทย
aBRIDGEd ล่าสุด
ค่าเงินบาทผันผวน: “ตัวปรับสมดุล” หรือ “ตัวป่วน” เศรษฐกิจไทย
Events
Events
Conferences
Research Workshops
Policy Forums
Seminars
Exchanges
Confidence and College Applications: Evidence from a Randomized Intervention
งานสัมมนาล่าสุด
Confidence and College Applications: Evidence from a Randomized Intervention
The Impact of Climate Change on Thai Households
งานสัมมนาล่าสุด
The Impact of Climate Change on Thai Households
สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
สถาบันวิจัยเศรษฐกิจ
ป๋วย อึ๊งภากรณ์
Puey Ungphakorn Institute for Economic Research
Community
Community
PIER Research Network
Visiting Fellows
Funding and Grants
PIER Research Network
PIER Research Network
Funding & Grants
Funding & Grants
About Us
About Us
Our Organization
Announcements
PIER Board
Staff
Work with Us
Contact Us
Staff
Staff
ลงนามบันทึกข้อตกลงความร่วมมือในการพัฒนาฐานข้อมูลเพื่อแก้ไขปัญหาหนี้สินเกษตรกรไทย
ประกาศล่าสุด
ลงนามบันทึกข้อตกลงความร่วมมือในการพัฒนาฐานข้อมูลเพื่อแก้ไขปัญหาหนี้สินเกษตรกรไทย
Discussion Paperdp
QR code
Year
2023
2022
2021
2020
...
25 กุมภาพันธ์ 2565
20221645747200000

Informal Loans in Thailand: Stylized Facts and Empirical Analysis

Abstract

This paper examines informal loans in Thailand using household survey data covering 4,800 individuals in 12 provinces across Thailand's six regions. We proceed in three steps. First, we establish stylized facts about informal loans. Second, we estimate the effects of household characteristics on the decision to take out an informal loan and the amount of informal loan. We find that age, the number of household members, their savings, and the amount of existing formal loans are the main factors that drive the decision to take out an informal loan. The main determinations of the amount of informal loan are the interest rate, savings, the amount of existing formal loans, the number of household members, and personal income. Third, we train three machine learning models, namely K–Nearest Neighbors, Random Forest, and Gradient Boosting, to predict whether an individual will take out an informal loan and the amount an individual has borrowed through informal loans. We find that the Gradient Boosting technique with the top 15 most important features has the highest prediction rate of 76.46 percent, making it the best model for data classification. Generally, Random Forest outperforms the other two algorithms in both classifying data and predicting the amount of informal loans.

Download full text
ข้อคิดเห็นที่ปรากฏในบทความนี้เป็นความเห็นของผู้เขียน ซึ่งไม่จำเป็นต้องสอดคล้องกับความเห็นของสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
Tags: informal loansmachine learningshadow economythailandloan sharks
Pim Pinitjitsamut
Pim Pinitjitsamut
วิศรุต สุวรรณประเสริฐ
วิศรุต สุวรรณประเสริฐ
Middle Tennessee State University

สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์

273 ถนนสามเสน แขวงวัดสามพระยา เขตพระนคร กรุงเทพฯ 10200

โทรศัพท์: 0-2283-6066

Email: pier@bot.or.th

เงื่อนไขการให้บริการ | นโยบายคุ้มครองข้อมูลส่วนบุคคล

สงวนลิขสิทธิ์ พ.ศ. 2566 สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์

เอกสารเผยแพร่ทุกชิ้นสงวนสิทธิ์ภายใต้สัญญาอนุญาต Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported license

Creative Commons Attribution NonCommercial ShareAlike

รับจดหมายข่าว PIER

Facebook
YouTube
Email