Modeling and prediction of the probability of default for retail loans

Roman Pavlata

Master's thesis

Modelování a predikce pravděpodobnosti selhání pro retailové úvěry

Abstract:

Cílem této práce je modelovat a odhadovat pravděpodobnost selhání pro retailové úvěry několika vybranými metodami v souladu s metodologií IFRS 9. Těmito metodami jsou logistická regrese, rozhodovací stromy, analýza přežití a absorpční Markovovy řetězce. Teoretické kapitoly zahrnují témata vztahující se k pravděpodobnosti selhání v kontextu řízení kreditního rizika, související finanční teorie, empirického výzkumu a regulace bankovního sektoru. Nejvíce prostoru se zde věnuje popisu jednotlivých metod odhadu pravděpodobnosti selhání. Empirické kapitoly zahrnují kompletní proces práce s daty podle metodologie dobývání znalostí z databází včetně odhadů pravděpodobnosti selhání pro všechny metody.

Abstract:

The aim of this thesis is to model and estimate the probability of default for retail loans using several selected methods in accordance with the methodology IFRS 9. These methods are logistic regression, decision trees, survival analysis and absorbing Markov chains. The theoretical chapters involve topics related to the probability of default in the context of credit risk management, associated financial theory, empirical research and regulation of the banking environment. The main emphasis is there put on the description of individual modelling methods. The empirical chapters involve complete data modelling processes according to data mining methodology including the estimation of the probability of default for all methods.

Keywords

pravděpodobnost selhání, data mining, bankovnictví, úvěrové riziko

Keywords

banking, probability of default, credit risk, data mining

Language used: English

Date on which the thesis was submitted / produced: 3. 5. 2022

Thesis defence

• Date of defence: 2. 6. 2022
• Supervisor: Jakub Drahokoupil
• Reader: Milan Fičura

Vysoká škola ekonomická v Praze

Master programme:
Finance