Pokročilé techniky credit scoringu
Práce se zabývá výstavbou scoringových modelů predikujících pravděpodobnost nesplácení úvěru dlužníkem. Jsou popsány čtyři techniky credit scoringu - logistická regrese, lineární diskriminační analýza, model lineárního programování a neuronové sítě. Důraz je kladen na poslední z nich, se zaměřením n...
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/323609/prif_m/ |
| Shrnutí: | Práce se zabývá výstavbou scoringových modelů predikujících pravděpodobnost nesplácení úvěru dlužníkem. Jsou popsány čtyři techniky credit scoringu - logistická regrese, lineární diskriminační analýza, model lineárního programování a neuronové sítě. Důraz je kladen na poslední z nich, se zaměřením na vícevrstvé sítě. Je odvozen učící algoritmus strategie zpětného šíření. Na konkrétním datovém souboru z oblasti credit scoringu jsou vyvinuty a srovnány všechny uvedené typy modelů. Použitým softwarovým prostředím je systém SAS. The thesis deals with the development of scoring models, which predict the probability of default of the loan borrower. There are four credit scoring techniques described - logistic regression, linear discriminant analysis, linear programming model and neural networks. The emphasis is put on the last one, especially focusing on multilayer networks. Backpropagation learning algorithm is derived. All mentioned types of models are developed and compared using particular credit scoring data set. The software used is the SAS system. |
|---|---|
| Popis jednotky: | Vedoucí práce: Martin Řezáč |
| Fyzický popis: | 86 l. + 1 CD-ROM |