Logistic regression improvements for credit scoring development

Nikolai Pravdin

Master's thesis

Vylepšení Logistické regrese pro vývoj Kreditních skórů

Anotácia:

Táto práce zkoumá dopad nelineárních vztahů mezi vstupními proměnnými při modelování kreditního rizika. Především je zaměřená na analýzu zatížení, které nelineárně chovající proměnné můžou způsobovat při používání skutečného benchmarku – Logistické regrese – v případě že pracujeme s obecnými údaji fyzických klientů. Hlavním záměrem je zkusit alternativní řešení, které by efektivně zmírnily negativní dopad případně nelinearity. Mezi nimi je dobře známý Náhodní Les, a taky poměrně nový přistup – Penalizována Logit Tree regrese – transparentní a intuitivní kombinace Logitu a Rozhodovacích stromů. Zvolené metody jsou aplikovány a jak na reálná data, tak i na simulovaný soubor, včetně detailního popisu celého procesu. Výsledkem je analytické porovnání výsledků při použití oblíbených ukazatelů výkonnosti jako Giního index a K-S statistika.

Abstract:

The current Study investigates the impact of non-linear relationships between input variables during credit risk modeling. Particularly, it is meant to analyze the burden of variables’ non-linear behavior on the current modeling benchmark – Logistic regression – using some general set of retail clients’ data. The main focus done on application of alternative solutions to efficiently mitigate nonlinearity’s influence. Among them is well-known strong learner - Random Forest, as well as relatively new approach – Penalized Logit Tree Regression – a transparent and intuitive combination of Logit and Decision Trees. Mentioned methods are modeled on both the real-world data and specific simulated data with step-by-step description of the process. Finally, results are analytically compared using popular performance metrics like Gini Index and K-S statistic.

Kľúčové slová

Kreditní riziko, Pravděpodobnost Defaultu, Logistická regrese, Skóringové modely, Náhodní les, Penalizována Logit Tree regrese, síla předpovědi

Keywords

Probability of Default, Scoring models, Logistic regression, Random Forest, Penalized Logit Tree Regression, Credit risk, predictive power

Jazyk práce: English

Datum vytvoření / odevzdání či podání práce: 19. 5. 2022

Obhajoba závěrečné práce

• Obhajoba proběhla 9. 6. 2022
• Vedúci: Jiří Witzany
• Oponent: Jiří Panoš

Vysoká škola ekonomická v Praze

Master programme:
Finanční inženýrství