Show simple item record

Diverzifikace portfolia u P2P půjček
dc.contributor.advisorSkuhrovec, Jiří
dc.creatorPolák, Petr
dc.date.accessioned2017-06-01T22:25:18Z
dc.date.available2017-06-01T22:25:18Z
dc.date.issued2017
dc.identifier.urihttp://hdl.handle.net/20.500.11956/2232
dc.description.abstractTato 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)cs_CZ
dc.description.abstractThis 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)en_US
dc.languageEnglishcs_CZ
dc.language.isoen_US
dc.publisherUniverzita Karlova, Fakulta sociálních vědcs_CZ
dc.subjectP2P loansen_US
dc.subjectdefaulten_US
dc.subjectportfolioen_US
dc.titlePortfolio diversification on P2P loan marketsen_US
dc.typediplomová prácecs_CZ
dcterms.created2017
dcterms.dateAccepted2017-02-08
dc.description.departmentInstitute of Economic Studiesen_US
dc.description.departmentInstitut ekonomických studiícs_CZ
dc.description.facultyFakulta sociálních vědcs_CZ
dc.description.facultyFaculty of Social Sciencesen_US
dc.identifier.repId185535
dc.title.translatedDiverzifikace portfolia u P2P půjčekcs_CZ
dc.contributor.refereeDžmuráňová, Hana
dc.identifier.aleph002126649
thesis.degree.nameMgr.
thesis.degree.levelnavazující magisterskécs_CZ
thesis.degree.disciplineEkonomie a financecs_CZ
thesis.degree.disciplineEconomics and Financeen_US
thesis.degree.programEkonomické teoriecs_CZ
thesis.degree.programEconomicsen_US
uk.faculty-name.csFakulta sociálních vědcs_CZ
uk.faculty-name.enFaculty of Social Sciencesen_US
uk.faculty-abbr.csFSVcs_CZ
uk.degree-discipline.csEkonomie a financecs_CZ
uk.degree-discipline.enEconomics and Financeen_US
uk.degree-program.csEkonomické teoriecs_CZ
uk.degree-program.enEconomicsen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csTato 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)cs_CZ
uk.abstract.enThis 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)en_US
uk.file-availabilityV
uk.publication-placePrahacs_CZ
uk.grantorUniverzita Karlova, Fakulta sociálních věd, Institut ekonomických studiícs_CZ


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 3-5, 116 36 Praha; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV