20.500.12556/RUL-103233 Modeliranje verjetnosti neplačila v bančnem sektorju magistrsko delo Modelling Probability of Default in the banking sector Modeliranje tveganja je za finančne institucije izjemnega pomena, saj imajo močno spodbudo, da se morajo zaščititi pred neizpolnitvijo obveznosti in obenem zadostiti številnim regulatornim zahtevam. Za boljše razumevanje tematike smo v uvodu povzeli tržno, operativno in kreditno tveganje, s poudarkom na slednjem. To delo se osredotoča na raziskavo verjetnosti neplačila v maloprodajnem bančnem sektorju z uporabo več matematičnih pristopov: statističnih modelov, verjetnostnih modelov, Bayesove statistike, strojnega učenja in klasifikacijske analize. Natančneje smo izbrali modele z različnim matematičnim ozadjem, ki so se najbolj prilagajali realnim podatkom: Mertonov model, linearna in kvadratna diskriminacijska analiza, metoda pomožnih vektorskih klasifikatorjev (SVM) in metoda markovskih verig. Zaključili smo z empirično analizo, kjer smo pod privzetkom začetnih predpostavk preizkusili vsak model in izvedli temeljito analizo, razpravljali o prednostih in slabostih ter predlagali potencialne izboljšave. Modelling of risk is of paramount importance for financial institutions, as they have strong incentive to be protected against default events and are required to comply with numerous regulations. For better understanding we introduce a global overview across market, operational and credit risk with putting a focus on former one. This paper makes an attempt to investigate probability of default in retail banking sector using several mathematical approaches: statistical models, probabilistic models, bayesian statistics, machine learning and classification analysis. More specifically, we selected models from various different domains which are tailored to best model real world data: Merton model, Linear and Quadratic Discriminant Analysis, Support Vector Machines (SVMs) and Markov Chains. We will conclude with an empirical analysis to test each model under certain initial assumptions and conduct a thorough evaluation, discussing advantages and disadvantages of each model and suggesting potential improvements. analiza kreditnega tveganja diskriminantna analiza verjetnost neplačila Mertonov model metoda pomožnih vektorjev markovska veriga klasifikacija credit risk analysis discriminant analysis probability of default Merton's model support vector machine Markov chains classification true false false Slovenski jezik Angleški jezik Magistrsko delo/naloga 2018-09-15 07:45:30 2018-09-15 07:45:34 2022-08-16 03:40:47 0000-00-00 00:00:00 2018 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 519.2 90459 18459993 426.pdf 426.pdf 1 D9EA01A422F7F5B6CD18D05C8E40E1B7 320e277124bd055c5b9ccc86a39318827da2829b9871d0cb9f864f125eb2aacf bf375464-a1b5-11eb-a523-00155dcfd717 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=113626 Fakulteta za matematiko in fiziko 0 0 0