Vývoj unsecured cross-portfolio modelu pro predikci ztráty
Autor(ka) práce:
Jachek, Dominik
Typ práce:
Diplomová práce
Vedoucí práce:
Karkošková, Soňa
Oponenti práce:
Potančok, Martin
Jazyk práce:
Česky
Abstrakt:
Hlavním cílem této práce je vytvořit společný model predikující ztrátu uzdravených kontraktů pro tři nezajištěné kreditní produkty, takový model porovnat s jednotlivými modely pro produkty a rozhodnout, zdali je možné ho využít v ostrém provozu pro banku. V bance se predikuje nespočet situací, jako například pravděpodobnost neschopnosti splácet či ztráta v případě neschopnosti splácet. K predikci se využívá množství modelů. Proto je cílem práce vytvořit jeden model pro více produktů naráz, a v d... zobrazit celý abstrakt
Hlavním cílem této práce je vytvořit společný model predikující ztrátu uzdravených kontraktů pro tři nezajištěné kreditní produkty, takový model porovnat s jednotlivými modely pro produkty a rozhodnout, zdali je možné ho využít v ostrém provozu pro banku. V bance se predikuje nespočet situací, jako například pravděpodobnost neschopnosti splácet či ztráta v případě neschopnosti splácet. K predikci se využívá množství modelů. Proto je cílem práce vytvořit jeden model pro více produktů naráz, a v důsledku počet modelů snížit. Práce popisuje celý proces tvorby společného modelu, srovnání se samostatnými modely a diskusi, zdali je společný model vhodný. Nejdříve dochází v práci k přípravě dat, jako je například classing, či výpočet WOE. Následně je v práci rozebrána příprava proměnných jako manuální classing. Jsou uvedeny obecné principy manuálního classingu a následně příklady specifických situací, které se od obecných principů odlišují. Dále je rozebrán přístup stepwise regerse, který slouží k výběru signifikantních proměnných, na kterých se model natrénuje. Po výběru proměnných je vytvořen první model logistické regrese pro predikci ztráty. Model je poté podroben tzv. fine tuningu neboli dolaďování, což má za cíl model ještě vylepšit. V neposlední řadě je model porovnán s nově vytvořenými modely pro jednotlivé produkty pro objektivní srovnání ze dvou pohledů: predikční schopnost měřena metrikami Gini a Somers‘ D a časovou náročností na tvorbu. Výsledkem práce je vytvořený společný model srovnaný se samostatnými modely. Společný model má nižší predikční schopnost než modely samostatné, ovšem jeho tvorba je významně jednodušší a časově méně náročná. Z toho důvodu lze rozhodnout, že společný model je pro využití v bankovním prostředí vhodný za účelem úspory času.
Development of an unsecured cross-portfolio model for loss prediction
Autor(ka) práce:
Jachek, Dominik
Typ práce:
Diploma thesis
Vedoucí práce:
Karkošková, Soňa
Oponenti práce:
Potančok, Martin
Jazyk práce:
Česky
Abstrakt:
The main aim of this thesis is to develop a joint model predicting the loss of recovered contracts for three unsecured credit products, compare this model with individual models for the products and decide whether it can be used in live operation for the bank. In a bank, a myriad of situations are predicted, such as the probability of default or loss given default. A variety of models are used for prediction. Therefore, the aim of the work is to create one model for multiple products at once and... zobrazit celý abstrakt
The main aim of this thesis is to develop a joint model predicting the loss of recovered contracts for three unsecured credit products, compare this model with individual models for the products and decide whether it can be used in live operation for the bank. In a bank, a myriad of situations are predicted, such as the probability of default or loss given default. A variety of models are used for prediction. Therefore, the aim of the work is to create one model for multiple products at once and consequently reduce the number of models. The work describes the entire process of creating the joint model, comparison with separate models, and discussion of whether the joint model is suitable. The first step in the work is data preparation, such as classing or WOE calculation. Subsequently, the preparation of variables such as manual classing is discussed in the paper. General principles of manual classing are provided, followed by examples of specific situations that differ from the general principles. Furthermore, the stepwise regression approach is discussed, which is used for selecting significant variables on which the model is trained. Once the variables are selected, the first logistic regression model loss prediction is developed. The model is then subjected to what is known as fine-tuning to further improve it. Finally, the model is compared with newly created models for each product for objective comparison from two perspectives: predictive ability measured by Gini and Somers' D metrics and the time taken to build. As a result of the work, the joint model developed is compared with individual models. The joint model has a lower predictive ability than the stand-alone models, but its creation is significantly simpler and less time-consuming. Therefore, it can be concluded that the joint model is suitable for use in the banking environment in order to save time.
Klíčová slova:
prediction; classing; credit risk; default; logistic regression; process of modelling; python; stepwise regression; scoring models; WOE