Modelování kreditního rizika a možné inovace

Daniel Mužík

Master's thesis

Credit Risk Modeling and Possible Innovations

Abstract:

Tato diplomová práce se zaměřuje na oblast scoringových modelů. Práce je rozdělena na tři části. První část se věnuje obecnému kontextu monitorování kreditního rizika – definici defaultu, kvantifikaci ztrát, vymezení ratingu oproti scoringu a otázkám souvisejícím s tvorbou scoringových modelů. Druhá část představuje vybrané scoringové techniky a princip jejich fungování. Do hlubšího pohledu jsou rozvedeny zejména logistická regrese a neuronové sítě, jejichž demonstrace je součástí třetí kapitoly. V rámci této demonstrace je použit dataset z amerického hypotečního trhu (od FreddieMac) a je poměřena výkonnost obou zmiňovaných modelů. Výkonnostní charakteristiky hovoří ve prospěch logistické regrese.

Abstract:

This diploma thesis focuses on the area of scoring models. The work is divided into three parts. The first part deals with the general context of credit risk monitoring - definition of defaults, quantification of losses, definition of rating against scoring and issues related to scoring modeling. The second part presents the selected scoring techniques and the principle of their functioning. In deeper perspective, logistic regression and neural networks are shown, the demonstration of which is part of the third chapter, where are both dealt with. This demonstration uses the US Mortgage Market dataset (from FreddieMac) and measures the performance of the two models. Performance characteristics speak for logistic regression.

Keywords

scoringové modely, logistická regrese, neuronové sítě

Keywords

logistic regression, scoring models, neural networks

Language used: Czech

Date on which the thesis was submitted / produced: 21. 12. 2016

Thesis defence

• Date of defence: 18. 1. 2018
• Supervisor: Jiří Málek
• Reader: Vojtěch Fučík

Vysoká škola ekonomická v Praze

Master programme / field:
Finance a účetnictví / Bankovnictví a pojišťovnictví