izpis_h1_title_alt

Modeliranje verjetnosti neplačila v bančnem sektorju : magistrsko delo
Krković, Milica (Avtor), Košir, Tomaž (Mentor) Več o mentorju... Povezava se odpre v novem oknu

.pdfPDF - Predstavitvena datoteka, prenos (783,16 KB)

Izvleček
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.

Jezik:Slovenski jezik
Ključne besede:analiza kreditnega tveganja, diskriminantna analiza, verjetnost neplačila, Mertonov model, metoda pomožnih vektorjev, markovska veriga, klasifikacija
Vrsta gradiva:Magistrsko delo/naloga (mb22)
Organizacija:FMF - Fakulteta za matematiko in fiziko
Leto izida:2018
UDK:519.2
COBISS.SI-ID:18459993 Povezava se odpre v novem oknu
Število ogledov:73
Število prenosov:41
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
 
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
:
Objavi na: Bookmark and Share

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Modelling Probability of Default in the banking sector
Izvleček:
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.

Ključne besede:credit risk analysis, discriminant analysis, probability of default, Merton's model, support vector machine, Markov chains, classification

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj