Comparison of statistical methods for the scoring models development

Abstract

The aim of this thesis is to introduce and summarize the process of scoring model development in general and then basic statistical approaches used to resolve this problem, which are in particular logistic regression, neural networks and decision trees (random forests). Application of described methods on a real dataset provided by PROFI CREDIT Czech, a.s. follows, including discussion of some implementation issues and their resolution. Obtained results are discussed and compared.

Cílem práce je představit a shrnout obecný postup vývoje skóringového modelu a základních statistických přístupů používaných k řešení tohoto problému, konkrétně metody logistické regrese, neuronové sítě a rozhodovací stromy (náhodné lesy). Následuje aplikace popsaných metod na reálných datech poskytnutých společností PROFI CREDIT Czech, a.s., včetně diskuze některých implementačních otázek a jejich řešení. Obdržené výsledky jsou diskutovány a porovnávány.