Ekonometrický odhad očekávané úvěrové ztráty při selhání

Viktor Jacina

Master's thesis

Econometric Estimation of Loss Given Default

Abstract:

Jedním z nejčastěji zmiňovaných parametrů úvěrového rizika bankovního sektoru je ztrátovost ze selhání (LGD). Regulatorní rámec dovoluje po schválení použití vlastních odhadů tohoto parametru. Vhodnou a flexibilní metodu představují v tomto kontextu regresní a klasifikační stromy, které nabízejí řadu výhod oproti tradičním metodám jako např. lineárnímu regresnímu modelu. Tato práce obsahuje stručný teoretický základ stromových technik. V poslední části je odhadnuta ztrátovost ze selhání debetních úvěrů pomocí náhodných lesů, které se v tomto případě ukázaly jako nejúspěšnější.

Abstract:

One of the most mentioned credit risk parameters in banking sector is loss given default (LGD). The regulatory framework allows to use own LGD estimation procedures after approval. The classification and regression trees are appropriate and flexible in this context and they offer some advantages comparing to the traditional approaches such as linear regression model. This work includes a theoretical background on tree based methods. In the last section, loss given default from debit accounts is estimated using the random forests which show the best performance in this case.

Keywords

LGD, klasifikační a regresní stromy, úvěrové riziko

Keywords

Credit Risk, LGD, Classification and Regression Trees

Language used: Czech

Date on which the thesis was submitted / produced: 9. 10. 2014

Thesis defence

• Date of defence: 3. 6. 2015
• Supervisor: Zuzana Dlouhá
• Reader: Tomáš Formánek

Vysoká škola ekonomická v Praze

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