Metody modelování pravděpodobnosti defaultu firemních zákazníků banky

Mariya Oleynik

Master's thesis

Methods for modeling the probability of default of the bank's corporate clients

Abstract:

Cílem diplomové práce je predikce pravděpodobnosti defaultu pomocí čtyř modelů a porovnání predikční schopnosti modelů. Použité modely pro predikci binární závislé proměnné jsou logistická regrese, zobecněný aditivní model, metoda podpůrných vektorů a rozhodovací strom. Aplikace modelů probíhá na reálných datech firemních klientů jedné české banky. K porovnání modelů se používají ROC, AUC a matice záměn. Nejlepším modelem na základě AUC se jeví metoda podpůrných vektorů, i když model vykazuje nejnižší hodnotu celkové správnosti v porovnání s ostatními modely. Zobecněný aditivní model má druhou největší hodnotu AUC a hodnotu celkové správnosti, jež jsou jenom o pár bodů vyšší než hodnoty odpovídající logistické regresi. Nejnižší AUC vychází u rozhodovacího stromu, který má zato nejvyšší hodnotu celkové správnosti, jelikož model správně zařadil největší počet klientů do jednotlivých tříd.

Abstract:

The aim of the thesis is the prediction of the probability of default using four models and comparison of predictive accuracy of models. The models used for the prediction of binary dependent variable are logistic regression, generalized additive model, support vector machine and decision tree. The models are applied on real data of corporate clients of a Czech bank. ROC, AUC and confusion matrix are used to compare models. The support vector machine seems to be the best model based on AUC, although the model shows the lowest value of overall accuracy compared to other models. The generalized additive model has the second largest value of AUC and the value of overall accuracy, which are only a few points higher than the corresponding values of logistic regression. Decision tree has the lowest AUC, but also the model has the highest value of overall accuracy, because the model correctly classified the largest number of clients into classes.

Keywords

Pravděpodobnost defaultu, logistická regrese, zobecněný aditivní model, metoda podpůrných vektorů, rozhodovací strom

Keywords

Probability of default, logistic regression, generalized additive model, support vector machine, decision tree

Language used: Czech

Date on which the thesis was submitted / produced: 21. 6. 2019

Thesis defence

• Date of defence: 27. 8. 2020
• Supervisor: Tomáš Formánek
• Reader: Vladimír Holý

Vysoká škola ekonomická v Praze

Master programme / field:
Kvantitativní metody v ekonomice / Ekonometrie a operační výzkum