Stanovení pravděpodobnosti defaultu klientů pomocí scóringového modelu

Abstract

V této diplomové práci je zpracováno téma zaměřené na stanovení pravděpodobnosti defaultu klientů dle scóringového modelu. Cílem práce je vytvoření scóringového modelu pro stanovení pravděpodobnosti úpadku klientů pomocí metody binární logistické regrese a jeho následné ověření. Diplomová práce je rozdělena do pěti hlavních kapitol, kdy první je věnována úvodu a poslední závěru. V druhé kapitole jsou popsány jednotlivé druhy finančních rizik, přičemž pozornost je zaměřena především na úvěrové riziko, které hraje klíčovou roli při hodnocení bonity klienta. V třetí kapitole jsou stručně charakterizovány scóringové a ratingové modely a představeny jednotlivé statistické metody používané k tvorbě predikčních modelů. Čtvrtá kapitola představuje praktickou část práce, ve které jsou teoretické poznatky aplikovány na reálná data. Podstatou této kapitoly je vytvoření scóringového modelu pomocí metody logistické regrese s využitím programu IBM SPSS Statistics 23. V závěru práce jsou shrnuty dosažené výsledky a provedeno zhodnocení výsledného modelu.

The Master thesis is focused on the determination of the probability of clients’ default using scoring model. The objective of the thesis is to create scoring model to determine the probability of clients’ default using the binary logistic regression followed by verification of the model. The thesis is divided into five main chapters. The thirst one is devoted to introduction and the last one to conclusion. In the second chapter there are described various types of risks. The attention is focused mainly on credit risk as it has the key role in the process of evaluation of clients’ creditworthiness. The third chapter is devoted to the description of scoring and rating models and characterization of different statistical methods that are used for the creation of predictive models. The fourth chapter represents a practical part of the thesis where the predictive scoring model is constructed based on a real dataset of retail loans. The model was set up using binary logistic regression in the statistical program IBM SPSS Statistics 23. In the end of the thesis achieved results are summarized and final model is evaluated.