Consumer Credit Risk Analysis: Evidence from the Czech Republic

Abstract

An increase in the number of granted loans in last decades resulted in more attention paid to proper assessment of borrower's creditworthiness. For this purpose, credit scoring aims to classify good and bad applicants prior loan granting. In this thesis, I analyze a large real-world dataset of borrowers who were granted an unsecured consumer loan in the Czech Republic. The objec- tive is to determine core default predictors while employing seven classification methods. Additionally, a performance measure is computed for each method in order to compare their suitability for examined loan types. Using logistic regression as the core model, the results suggest that borrower's age, monthly income, region of residence, and the number of children substantially influence the probability of default. Conversely, borrower's gender and education level did not prove to be significant for assessing client's creditworthiness. Compar- ing the performance of employed classification methods, it can be concluded that all models produced almost identical results and can be used for the purpose of credit scoring. This thesis complements rather a limited number of credit scoring studies in the Czech Republic and provides new findings about default determinants for unsecured consumer loans. 1

Nárůst počtu poskytnutých úvěrů v posledních desetiletích způsobil zvýšení důrazu na řádné posouzení úvěrové spolehlivosti dlužníků. Skóringové mod- ely mají za cíl klasifikovat dobré a špatné žadatele před poskytnutím půjčky. V této práci analyzuji rozsáhlý soubor reálných dat obsahující informace o dlužnících, kterým byl v České republice poskytnut nezajištěný spotřebitelský úvěr. Cílem je stanovení hlavních indikátorů budoucího selhání pomocí použití sedmi klasifikačních metod. Pro každou metodu je vypočtena statistika hod- notící přesnost modelu, aby bylo možné porovnat jejich vhodnost pro zkoumané typy úvěrů. Výsledky logistické regrese, jakožto hlavního modelu, napovídají, že věk dlužníka, měsíční příjem, kraj, ve kterém bydlí a počet dětí značně ovlivňují pravděpodobnost selhání. Dlužníkovo pohlaví a úroveň vzdělání se naopak neprokázaly jako důležité faktory pro posouzení bonity klienta. Z porovnání použitých klasifikačních metod vyplývá, že všechny modely poskytly téměř shodné výsledky a mohou být použity jako skóringové modely. Tato práce doplňuje nízký počet studií zabývajících se ohodnocením úvěrové schopnosti v České republice a poskytuje...