Modely predikce defaultu klienta

Abstract

Cílem této práce je zkoumat možné zlepšení predikční síly skóringových modelů pro spotřebitelské úvěry použitím strukturálních modelů pro odhad budoucího vývoje výše skóre. Tyto modely v sobě nesou informaci o minulém vývoji behav- iorálního skóre prostřednictvím parametrů, které zohledňují citlivost pravděpodob- nosti defaultu klienta na jednotlivé tržní i životní změny. Tyto parametry jsou odhadovány Markov Chain Monte Carlo metodami na základě minulého vývoje. Celkem je na reálná data aplikováno osm typů strukturálních modelů s různými typy parametrů. Míra schopnosti diverzifikace jednotlivých modelů je porovnávána pomocí Giniho koeficientu jak mezi sebou tak i se stávajícím skóringovým mod- elem úvěrové instituce, které přísluší podkladová data. 1

The aim of the presented work is to investigate possible improvement of scor- ing models prediction power in retail credit segment by using structural models estimating the future development of behavioral score. These models contain the information about past development of the behavioral score by parameters which take into account the sensitivity of clients' probability of default on in- dividual market and life changes. These parameters are estimated with Markov Chain Monte Carlo methods based on score history. Eight different types of struc- tural models were applied on the real data. The diversification measure of indivi- dual models is compared using the Gini coefficient. These structural models were compared with each other and also with the existing scoring model of the credit institution which provided the underlying data. 1