Predikce nesplacení půjčky

Radka Horníková

Bakalářská práce

Loan default prediction

Anotace:

Tématem bakalářská práce je predikce nesplacení půjčky využitím analýzy Big Data. Teoretická část práce vysvětluje pojem Big Data a následně se zaměřuje na vývoj statistického zpracování dat a na základní metody statistické a prediktivní analýzy. Dále popisuje oblast P2P půjček neboli přímého úvěrování, tj. systém finančních půjček poskytovaných prostřednictvím internetových online platforem. Zabývá se též možnými faktory ovlivňujícími pravděpodobnost nesplacení půjčky v prostředí přímého úvěrování.Získané poznatky jsou aplikovány v praktické části bakalářské práce na data obsahující záznamy o půjčkách poskytnutých v rámci systému přímého úvěrování. Využitím analytických nástrojů jsou nalezeny faktory ovlivňující pravděpodobnost nesplacení půjčky. Na základě těchto faktorů je sestaven model logistické regrese predikující nesplacení půjčky. Nakonec je ověřena predikční síla modelu pomocí analytických nástrojů a aplikací na nová data.

Abstract:

The topic of the Bachelor thesis is a loan default prediction using Big Data analysis. The theoretical part of the thesis explains the concept of Big Data and then focuses on the evolution of data analysis and basic methods of statistical and predictive analysis. Subsequently P2P lending as practice of lending money from one private individual to another private individual provided through online platforms is described. Possible factors influencing the probability of loan default in P2P lending are also discussed.The acquired knowledge is applied in the practical part of the thesis on a dataset containing records of loans provided through P2P lending. Using analytical tools factors influencing the probability of default in P2P lending are found. Based on these factors a logistic regression model predicting whether the loan will be repaid is created. In conclusion the predictive power of the model is verified using analytical tools and by application on new data.

Klíčová slova

Big Data, statistická analýza, prediktivní modelování, binární logistická regrese, metodika CRISP-DM, přímé úvěrování

Keywords

statistical analysis, predictive modeling, binary logistic regression, CRISP-DM methodology, P2P lending, Big Data

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 6. 3. 2019

Obhajoba závěrečné práce

• Vedoucí: Ing. Tomáš Hlavsa, Ph.D.

Česká zemědělská univerzita v Praze

Provozně ekonomická fakulta

Bakalářský studijní program / obor:
Systémové inženýrství a informatika / Informatika