Machine Learning Methods for Credit Risk Modelling
| Thesis title: | Využití vybraných metod strojového učení pro modelování kreditního rizika |
|---|---|
| Author: | Drábek, Matěj |
| Thesis type: | Diplomová práce |
| Supervisor: | Witzany, Jiří |
| Opponents: | Málek, Jiří |
| Thesis language: | Česky |
| Abstract: | 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. |
| Keywords: | P2P úvěrování; klasifikační strom; strojové učení pro klasifikaci; náhodný les; logistická regrese; naivní bayesovský klasifikátor |
| Thesis title: | Machine Learning Methods for Credit Risk Modelling |
|---|---|
| Author: | Drábek, Matěj |
| Thesis type: | Diploma thesis |
| Supervisor: | Witzany, Jiří |
| Opponents: | Málek, Jiří |
| Thesis language: | Česky |
| Abstract: | 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. |
| Keywords: | classification tree; logistic regression; machine learning for classification; P2P lending; naive bayes classifier; random forest |
Information about study
| Study programme: | Finance a účetnictví/Finanční inženýrství |
|---|---|
| Type of study programme: | Magisterský studijní program |
| Assigned degree: | Ing. |
| Institutions assigning academic degree: | Vysoká škola ekonomická v Praze |
| Faculty: | Faculty of Finance and Accounting |
| Department: | Department of Banking and Insurance |
Information on submission and defense
| Date of assignment: | 11. 12. 2016 |
|---|---|
| Date of submission: | 31. 5. 2017 |
| Date of defense: | 22. 6. 2017 |
| Identifier in the InSIS system: | https://insis.vse.cz/zp/59946/podrobnosti |