Bayesiánský přístup k modelům kvalitativních a omezených vysvětlovaných proměnných
Cílem diplomové práce je představení bayesiánského přístupu a aplikace bayesiánských modelů kvalitativních a omezených závislých proměnných při predikci rizika nesplacení úvěru. Práce se nejprve věnuje definicím základních pojmů a vysvětlením souvislostí mezi bayesiánskou analýzou a kredit skóringem...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Další autoři: | |
| Typ dokumentu: | VŠ práce nebo rukopis |
| Jazyk: | Slovenština |
| Vydáno: |
2012
|
| Témata: | |
| On-line přístup: | http://is.muni.cz/th/269629/prif_m/ |
| Shrnutí: | Cílem diplomové práce je představení bayesiánského přístupu a aplikace bayesiánských modelů kvalitativních a omezených závislých proměnných při predikci rizika nesplacení úvěru. Práce se nejprve věnuje definicím základních pojmů a vysvětlením souvislostí mezi bayesiánskou analýzou a kredit skóringem. Schopnost zahrnout apriorní informace do modelu může být obzvlášť výhodná v případech, kdy jsou dostupné jen malé datové soubory, proto aplikujeme v další části práce bayesiánský probit a bayesiánskou logistickou regresi na vzorek údajů z 334 malých podniků. Pro srovnání bayesiánského a frekventistického přístupu obsahuje práce i frekventistickou logistickou regresi. Závěrečná část obsahuje porovnání modelů pomocí standardních jednotek kvality skóringových modelů a interpretaci výsledků. The main purpose of this thesis is to introduce the Bayesian approach and application of qualitative and limited dependent variable models to prediction of default. The thesis focuses at first on the description of basic terms and principles of Bayesian analysis and credit scoring techniques. We then apply the Bayesian probit model and the Bayesian logistic regression to a sample of 334 small businesses, as the ability to incorporate prior information into the model is particularly effective when only small data sets are available. To compare the Bayesian approach with frequentist techniques we also include a frequentist logistic regression. Finally we use standard quality measures of scoring models to compare the results. |
|---|---|
| Popis jednotky: | Vedoucí práce: Daniel Němec |
| Fyzický popis: | 40 l. |