Show simple item record

Discrimination measures in credit risk
dc.contributor.advisorPešta, Michal
dc.creatorPolak, Michal
dc.date.accessioned2017-05-16T09:37:25Z
dc.date.available2017-05-16T09:37:25Z
dc.date.issued2013
dc.identifier.urihttp://hdl.handle.net/20.500.11956/56037
dc.description.abstractSkóringové modely jsou základním nástrojem pro moderní řízení kreditního rizika. Přispívá tomu hlavně značný vývoj informačních technologií. Využívají se nejenom při poskytování úvěru, ale i ve strategiích týkajících se budoucího řízení kreditního rizika nebo ve strategiích spojených s vymáháním pohledávek.V přiložené práci se věnujeme mírám diskriminace používané pro validaci diverzifikační schopnosti logistických skóringových modelů. Prvně se zabýváme pojmem rizika. Poté uvedeme základní dělení skóringových modelů. Dále popisujeme metodu logistické regrese, odhadování a význam parametrů a testování jejich významnosti. Pro změření a znázornění diverzifikační schopnosti modelu jsme uvedli nejběžněji používané metody jako Lorenzovu a ROC křivku, Giniho koeficient, c- statistiku a taky Kolmogorov-Smirnovův test. Závěrem aplikujeme teoretické poznatky na reálných datech. Zkonstruujeme skóringový model a posléze porovnáme míry diskriminace v uvedeném modelu. Powered by TCPDF (www.tcpdf.org)cs_CZ
dc.description.abstractScoring models represent a fundamental tool for the modern management of credit risk. This is mainly due to a significant development in the field of information technology. Such models are used not only when providing credit, but also in strategies relating to the future management of credit risk, or in strategies connected with enforcing receivables. In my thesis I deal with discrimination measures used in the validation of diversification potential of logistic scoring models. At the beginning, I focus on the term 'risk'. Then, I introduce a basic division of scoring models. Next, I describe the method of scoring logistic regression, I concentrate on estimating parameters, their significance and on testing their relevance. For the measurement and illustration of diversification potential of the model I mention the most commonly used methods such as the Lorenz and ROC curve, the Gini coeficient, the c-statistic as well as the Kolmogorov-Smirnov test. Finally, I apply the theoretical knowledge to real data. I design a scoring model and subsequently compare the discrimination measures which it contains. Powered by TCPDF (www.tcpdf.org)en_US
dc.languageČeštinacs_CZ
dc.language.isocs_CZ
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectkreditní rizikocs_CZ
dc.subjectskóringové modelycs_CZ
dc.subjectlogistická regresecs_CZ
dc.subjectmíry diskriminacecs_CZ
dc.subjectcredit risken_US
dc.subjectscoring modelsen_US
dc.subjectlogistic regressionen_US
dc.subjectdiscrimination measuresen_US
dc.titleMíry diskriminace v kreditním rizikucs_CZ
dc.typebakalářská prácecs_CZ
dcterms.created2013
dcterms.dateAccepted2013-09-05
dc.description.departmentDepartment of Probability and Mathematical Statisticsen_US
dc.description.departmentKatedra pravděpodobnosti a matematické statistikycs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.identifier.repId127390
dc.title.translatedDiscrimination measures in credit risken_US
dc.contributor.refereeZahradník, Petr
dc.identifier.aleph001621834
thesis.degree.nameBc.
thesis.degree.levelbakalářskécs_CZ
thesis.degree.disciplineFinancial Mathematicsen_US
thesis.degree.disciplineFinanční matematikacs_CZ
thesis.degree.programMatematikacs_CZ
thesis.degree.programMathematicsen_US
uk.thesis.typebakalářská prácecs_CZ
uk.taxonomy.organization-csMatematicko-fyzikální fakulta::Katedra pravděpodobnosti a matematické statistikycs_CZ
uk.taxonomy.organization-enFaculty of Mathematics and Physics::Department of Probability and Mathematical Statisticsen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csFinanční matematikacs_CZ
uk.degree-discipline.enFinancial Mathematicsen_US
uk.degree-program.csMatematikacs_CZ
uk.degree-program.enMathematicsen_US
thesis.grade.csNeprospělcs_CZ
thesis.grade.enFailen_US
uk.abstract.csSkóringové modely jsou základním nástrojem pro moderní řízení kreditního rizika. Přispívá tomu hlavně značný vývoj informačních technologií. Využívají se nejenom při poskytování úvěru, ale i ve strategiích týkajících se budoucího řízení kreditního rizika nebo ve strategiích spojených s vymáháním pohledávek.V přiložené práci se věnujeme mírám diskriminace používané pro validaci diverzifikační schopnosti logistických skóringových modelů. Prvně se zabýváme pojmem rizika. Poté uvedeme základní dělení skóringových modelů. Dále popisujeme metodu logistické regrese, odhadování a význam parametrů a testování jejich významnosti. Pro změření a znázornění diverzifikační schopnosti modelu jsme uvedli nejběžněji používané metody jako Lorenzovu a ROC křivku, Giniho koeficient, c- statistiku a taky Kolmogorov-Smirnovův test. Závěrem aplikujeme teoretické poznatky na reálných datech. Zkonstruujeme skóringový model a posléze porovnáme míry diskriminace v uvedeném modelu. Powered by TCPDF (www.tcpdf.org)cs_CZ
uk.abstract.enScoring models represent a fundamental tool for the modern management of credit risk. This is mainly due to a significant development in the field of information technology. Such models are used not only when providing credit, but also in strategies relating to the future management of credit risk, or in strategies connected with enforcing receivables. In my thesis I deal with discrimination measures used in the validation of diversification potential of logistic scoring models. At the beginning, I focus on the term 'risk'. Then, I introduce a basic division of scoring models. Next, I describe the method of scoring logistic regression, I concentrate on estimating parameters, their significance and on testing their relevance. For the measurement and illustration of diversification potential of the model I mention the most commonly used methods such as the Lorenz and ROC curve, the Gini coeficient, the c-statistic as well as the Kolmogorov-Smirnov test. Finally, I apply the theoretical knowledge to real data. I design a scoring model and subsequently compare the discrimination measures which it contains. Powered by TCPDF (www.tcpdf.org)en_US
uk.file-availabilityV
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistikycs_CZ


Files in this item

Thumbnail
Thumbnail
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 560/5, 116 36 Praha 1; 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