Analiza komitentov komercialne banke in napoved njihovega prehoda v stanje neplačilaCandellari, Nikolaj (Avtor) Istenič, Tanja (Mentor) Toman, Aleš (Komentor) neplačiloklasifikacijalogistična regresijanevronske mrežezbirni podatkicelostni pogled na komitentaOsnovni cilj magistrskega dela je, da pripravimo in ovrednotimo model, s katerim lahko izbrani komercialni banki predčasno (npr. kakšen mesec prej) sporočimo napoved, da bo posamezen komitent prešel v stanje neplačila. Na ta način se lahko banka ob napovedi prehoda pripravi na posredovanje oz. iskanje rešitev za komitenta in prilagoditev odplačevanja njegovih obveznosti. Namesto osredotočanja na posamezni kredit in njegovo tveganje (kar je v praksi pogosteje) se v magistrskem delu osredotočamo na celostno obravnavo komitenta pri banki, saj s plačili zamuja komitent in ne posamezni kredit. Za potrebe naše analize zato precej časa posvetimo pripravi podatkov, pri čemer sta najpomembnejša koraka pretvorba panelnih podatkov v zbirno obliko in izbira časa modeliranja. Za vsakega komitenta poleg informacij o njegovih kreditih uporabimo še informacije o stanju na njegovih bančnih računih in izbrane demografske spremenljivke, s katerimi razpolaga komercialna banka in je dovolila njihovo uporabo. Na tako pripravljenih podatkih smo razvili klasifikacijska modela na podlagi logistične regresije in nevronskih mrež, ki kot enoto obravnavata posameznega komitenta in za izbrani časovni interval v prihodnosti (npr. en, dva ali tri mesece) napovesta verjetnost prehoda oz. neprehoda komitenta v stanje neplačila. Pri primerjavi rezultatov obeh modelov se kot boljši izkaže model nevronskih mrež, vendar je precej manj zanesljiv kot logistična regresija. Razlog za manjšo zanesljivost je ta, da model nevronski mrež ob večkratnem učenju na istih podatkih v njih prepozna zelo različne vzorce, zaradi česar težko zaupamo njihovem rezultatu.20242024-11-04 10:30:01Magistrsko delo/naloga164582sl