Využití vybraných metod strojového učení pro modelování kreditního rizika
Název práce: | Využití vybraných metod strojového učení pro modelování kreditního rizika |
---|---|
Autor(ka) práce: | Drábek, Matěj |
Typ práce: | Diplomová práce |
Vedoucí práce: | Witzany, Jiří |
Oponenti práce: | Málek, Jiří |
Jazyk práce: | Česky |
Abstrakt: | Diplomová práce je členěna na tři základní části. V té první se věnuji P2P úvěrování, jeho
charakteristikám, základním konceptům a jejich promítnutím v praxi. Srovnávám v ní také P2P
trh u nás, ve Velké Británii a v USA. V druhé části této práce popisuji teoretická východiska
vybraných metod strojového učení, kterými jsou naivní bayesovský klasifikátor, klasifikační
strom, náhodný les a logistická regrese. Také zde popisuji způsoby stanovení úspěšnosti těchto
modelů. Ve třetí části pak uvádím postup, kterým se tyto metody převádí do praxe, a to od
přípravy dat přes optimalizaci parametrů až po zhodnocení úspěšnosti modelu. |
Klíčová slova: | P2P úvěrování; klasifikační strom; strojové učení pro klasifikaci; náhodný les; logistická regrese; naivní bayesovský klasifikátor |
Název práce: | Machine Learning Methods for Credit Risk Modelling |
---|---|
Autor(ka) práce: | Drábek, Matěj |
Typ práce: | Diploma thesis |
Vedoucí práce: | Witzany, Jiří |
Oponenti práce: | Málek, Jiří |
Jazyk práce: | Česky |
Abstrakt: | This master's thesis is divided into three parts. In the first part I described P2P lending, its
characteristics, basic concepts and practical implications. I also compared P2P market in the
Czech Republic, UK and USA. The second part consists of theoretical basics for chosen
methods of machine learning, which are naive bayes classifier, classification tree, random forest
and logistic regression. I also described methods to evaluate the quality of classification models
listed above. The third part is a practical one and shows the complete workflow of creating
classification model, from data preparation to evaluation of model. |
Klíčová slova: | classification tree; logistic regression; machine learning for classification; P2P lending; naive bayes classifier; random forest |
Informace o studiu
Studijní program / obor: | Finance a účetnictví/Finanční inženýrství |
---|---|
Typ studijního programu: | Magisterský studijní program |
Přidělovaná hodnost: | Ing. |
Instituce přidělující hodnost: | Vysoká škola ekonomická v Praze |
Fakulta: | Fakulta financí a účetnictví |
Katedra: | Katedra bankovnictví a pojišťovnictví |
Informace o odevzdání a obhajobě
Datum zadání práce: | 11. 12. 2016 |
---|---|
Datum podání práce: | 31. 5. 2017 |
Datum obhajoby: | 22. 6. 2017 |
Identifikátor v systému InSIS: | https://insis.vse.cz/zp/59946/podrobnosti |