Application of Artificial Intelligence Techniques in Credit Risk

Martin Rýpar

Bachelor's thesis

Abstract:

Tato bakalářská práce se zabývá metodami umělé inteligence a jejich využitím při modelování kreditního rizika, konkrétně při modelování pravděpodobnosti defaultu. V teoretické části práce jsou popsány použité metody, tedy logistická regrese, náhodné lesy, support vector machines a neuronové sítě. V praktické části jsou tyto metody implementovány a vytrénovány na datech z online peer-to-peer platformy Lending Club a na datech z online soutěžící platformy Kaggle. V závěru jsou prezentovány výsledné hodnotící metriky, kde je ilustrováno, že metody UI mohou dosahovat lepších výsledků oproti běžně užívanému standardu - logistické regresi.

Abstract:

This bachelor thesis describes artificial intelligence methods and their application in credit risk modelling, particularly in probability of default modelling. In theoretical part are described methods used in practical part, namely logistic regression, random forests,support vector machines and neural networks. In practical part are those methods implemented and trained on data from online peer-to-peer platform Lending Club and on data from online competition platform Kaggle. In the end are presented evaluation metrics, where is showed that AI methods can reach better results compared to commonly used standard-logistic regression.

Keywords

neuronové sítě, strojové učení, umělá inteligence, kreditní riziko, pravděpodobnost defaultu

Keywords

machine learning, artificial intelligence, credit risk, probability of default, neural networks

Language used: English

Date on which the thesis was submitted / produced: 5. 1. 2018

Thesis defence

• Date of defence: 12. 6. 2018
• Supervisor: Milan Fičura
• Reader: Jana Juhászová

Vysoká škola ekonomická v Praze

Bachelor programme / field:
Finance a účetnictví / Finance