Vývoj a kalibrace kredit skóringových modelů
Práce popisuje vývoj kredit skóringových modelů, které jsou ve finanční sféře používány například při schvalování žádostí o úvěr, a kalibraci výsledků těchto modelů tak, aby vystihovaly pravděpodobnost, že klient nedostojí svým platebním závazkům. Práce ukazuje tvorbu modelů pomocí logistické regres...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Další autoři: | |
| Typ dokumentu: | VŠ práce nebo rukopis |
| Jazyk: | Čeština |
| Vydáno: |
2013
|
| Témata: | |
| On-line přístup: | http://is.muni.cz/th/269078/prif_m/ |
| Shrnutí: | Práce popisuje vývoj kredit skóringových modelů, které jsou ve finanční sféře používány například při schvalování žádostí o úvěr, a kalibraci výsledků těchto modelů tak, aby vystihovaly pravděpodobnost, že klient nedostojí svým platebním závazkům. Práce ukazuje tvorbu modelů pomocí logistické regrese a neuronových sítí a snaží se posoudit náročnost kalibrace spojenou s těmito dvěma metodami tvorby modelů. Praktická část zabývající se touto problematikou je pak vypracována na testovacích datech KAGGLE pomocí softwarové platformy SAS. The thesis describes the development of credit scoring models, which are used in approving loan applications in the financial sector, and calibration of these models' results so that they suit to the probability that client fails to meet his payment obligations. The thesis shows a formation of models using logistic regression and neural networks and it tries to assess the demand of calibration associated with these two methods for producing models. The practical part, which is dealing with this problems, is then developed using SAS software. |
|---|---|
| Popis jednotky: | Vedoucí práce: Martin Řezáč |
| Fyzický popis: | 83 l. |