Application of Artificial Intelligence Techniques in Credit Risk
| Název práce: | Application of Artificial Intelligence Techniques in Credit Risk |
|---|---|
| Autor(ka) práce: | Rýpar, Martin |
| Typ práce: | Bachelor thesis |
| Vedoucí práce: | Fičura, Milan |
| Oponenti práce: | Juhászová, Jana |
| Jazyk práce: | English |
| Abstrakt: | This bachelor thesis describes artificial intelligence methods and their application in credit risk modelling, particularly in probability of default modelling. In theoretical part are described methods used in practical part, namely logistic regression, random forests,support vector machines and neural networks. In practical part are those methods implemented and trained on data from online peer-to-peer platform Lending Club and on data from online competition platform Kaggle. In the end are presented evaluation metrics, where is showed that AI methods can reach better results compared to commonly used standard-logistic regression. |
| Klíčová slova: | machine learning; artificial intelligence; credit risk; probability of default; neural networks |
| Název práce: | Application of Artificial Intelligence Techniques in Credit Risk |
|---|---|
| Autor(ka) práce: | Rýpar, Martin |
| Typ práce: | Bakalářská práce |
| Vedoucí práce: | Fičura, Milan |
| Oponenti práce: | Juhászová, Jana |
| Jazyk práce: | English |
| Abstrakt: | Tato bakalářská práce se zabývá metodami umělé inteligence a jejich využitím při modelování kreditního rizika, konkrétně při modelování pravděpodobnosti defaultu. V teoretické části práce jsou popsány použité metody, tedy logistická regrese, náhodné lesy, support vector machines a neuronové sítě. V praktické části jsou tyto metody implementovány a vytrénovány na datech z online peer-to-peer platformy Lending Club a na datech z online soutěžící platformy Kaggle. V závěru jsou prezentovány výsledné hodnotící metriky, kde je ilustrováno, že metody UI mohou dosahovat lepších výsledků oproti běžně užívanému standardu - logistické regresi. |
| Klíčová slova: | neuronové sítě; strojové učení; umělá inteligence; kreditní riziko; pravděpodobnost defaultu |
Informace o studiu
| Studijní program / obor: | Finance a účetnictví/Finance |
|---|---|
| Typ studijního programu: | Bakalářský studijní program |
| Přidělovaná hodnost: | Bc. |
| 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: | 5. 1. 2018 |
|---|---|
| Datum podání práce: | 20. 5. 2018 |
| Datum obhajoby: | 12. 6. 2018 |
| Identifikátor v systému InSIS: | https://insis.vse.cz/zp/64372/podrobnosti |