IFRS 9 and expected credit loss modelling

Thesis title: IFRS 9 a modelování očekávaných kreditních ztrát
Author: Baláček, Jan
Thesis type: Diplomová práce
Supervisor: Witzany, Jiří
Opponents: Palán, Luděk
Thesis language: Česky
Abstract:
Hlavním cílem práce je srovnání dvou přístupů k modelování očekávaných kreditních ztrát tak, jak je vyžaduje účetní standard IFRS 9. Teoretická část se věnuje původu standardu IFRS 9, jeho zavedení a popisu jednotlivých částí výpočtu očekáváných kreditních ztrát tak, jak je vyžaduje tento standard. V praktické části je na datech P2P platformy Bondora provedena implementace dvou přístupů k modelování očekávaných kreditních ztrát, a to metody využívající analýzy přežití a metody využívající neuronové sítě. Závěrem práce je srovnání těchto dvou metod a jejich výsledků.
Keywords: IFRS 9; Model očekávaných kreditních ztrát; Analýza přežití; Neuronové sítě
Thesis title: IFRS 9 and expected credit loss modelling
Author: Baláček, Jan
Thesis type: Diploma thesis
Supervisor: Witzany, Jiří
Opponents: Palán, Luděk
Thesis language: Česky
Abstract:
The key aim of this thesis is to compare two approaches of modelling expected credit loss, as are required by the accounting standard IFRS 9. The theoretical part of the thesis focuses on history of IFRS 9, its introduction and description of components entering the ECL calculation in the form as required by the standard. In the practical part implementation of two of the approaches is performed on data from P2P lending platform Bondora. The two approaches are using survival analysis and neural network. In the conclusion of the thesis these two approaches and their resulting calculations are compared.
Keywords: Survival analysis; Neural networks; Expected credit loss model; IFRS 9

Information about study

Study programme: Finance
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: 22. 11. 2023
Date of submission: 13. 8. 2024
Date of defense: 5. 9. 2024
Identifier in the InSIS system: https://insis.vse.cz/zp/86620/podrobnosti

Files for download

    Last update: