Portfolio diversification on P2P loan markets

Abstract

Tato práce prezentuje způsoby, jakými mohou investoři sestavit optimální portfolio na on-line peer-to- peer úvěrové platformě. Práce vychází ze standardní teorie portfolia, kterou aplikuje na unikátní data obsahující 886 tisíc půjček poskytnutých mezi lety 2008 a 2015 prostřednictvím platformy Lending Club. Nejprve ukazuje, že mezi různými kreditními skupinami existuje nenulová kovariance, kterou je nutno zohlednit při optimalizaci portfolia. Poté za využití logistické regrese zkoumá, jaké faktory předpovídají selhání úvěrů. S využitím předpovědí se výkonost portfolia významně zlepší. Následně práce provádí simulační cvičení, které dokumentuje přínosy diverzifikace plynoucí z investování do vyššího počtu úvěrů. Powered by TCPDF (www.tcpdf.org)

This thesis presents ways how investors can construct optimal portfolios on on-line peer-to-peer lending platforms. Thesis uses standard portfolio theory and unique dataset from Lending Club platform of over 886 thousand loans issued since 2008 till the end of 2015. Firstly, this thesis shows that there is a non- zero covariance between loans from different credit grades and it is necessary to include it in portfolio management optimization. Secondly, the thesis with the help of a logistic regression identifies loan default determinants. Using the default predictions, the portfolio performance can be improved significantly. Thirdly, the thesis simulates diversification benefits stemming from investing into multiple loans. Powered by TCPDF (www.tcpdf.org)