Comparison of statistical methods for the scoring models development
Srovnání statistických metod pro vývoj skóringových modelů
diplomová práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/98775Identifikátory
SIS: 187966
Kolekce
- Kvalifikační práce [10957]
Autor
Vedoucí práce
Oponent práce
Kopa, Miloš
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Finanční a pojistná matematika
Katedra / ústav / klinika
Katedra pravděpodobnosti a matematické statistiky
Datum obhajoby
8. 6. 2018
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
kreditní riziko, skóringové modely, logistická regrese, neuronové sítě, rozhodovací stromy, náhodné lesyKlíčová slova (anglicky)
credit risk, scoring models, logistic regression, neural networks, decision trees, random forestsCílem 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.
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.