Logit modely a jejich aplikace v bankovnictví

Abstract

This thesis deals with regression models for categorical dependent variables and parameter estimation using the maximum likelihood method. The main focus is on the binary logistic model and its diagnostics, including parameter significance tests (Wald test, likelihood ratio test) and model fit assessment methods (Pearson residuals, ROC curve, AUC). Basic concepts of the multinomial model are also briefly introduced. In the practical part, the theoretical methods are applied to a large banking dataset. Using the Weight of Evidence transformation, a binary scoring model for classifying risky clients was built and its stability assessed. Finally, the multinomial model is compared with the binary approach and the validity of its assumptions and limitations is discussed.

Práce se zabývá regresními modely pro kategoriální závislé proměnné a odhady jejich parametrů pomocí metody maximální věrohodnosti. Hlavní důraz je kladen na binární model a jeho diagnostiku zahrnující testy významnosti parametrů (Waldův test, test poměru věrohodností) a metody posouzení shody modelu s daty (Pearsonova rezidua, ROC křivka, AUC). Dále jsou stručně uvedeny základy multinomického modelu. V praktické části jsou teoretické poznatky aplikovány na rozsáhlá bankovní data. Využitím transformace Weight of Evidence vznikl binární skóringový model pro klasifikaci rizikových klientů u něhož byla posouzena stabilita. Na závěr je multinomický model porovnán s binárním přístupem a jsou diskutovány platnost jeho předpokladů a jeho omezení.