Modelování kreditního rizika peer-to-peer půjček

Abstract

Cílem práce je vytvořit pomocí různých metod dva skóringové modely pro žadatele peer-to-peer půjček a následně porovnat jejich klasifikační schopnost. Vybranými metodami jsou logistická regrese a klasifikační strom. První část je věnována principům, modelům, historii, regulaci a rizikům peer-to-peer úvěrování. V druhé části jsou popsány použité metody. V třetí části jsou vytvořeny dva skóringové modely a následně je porovnána jejich klasifikační schopnost. Na základě srovnání pomocí ukazatelů celkové přesnosti a plochy pod křivkou dosahuje logistická regrese lepších výsledků než klasifikační strom.

The aim of this thesis is to build two scoring models for peer-to-peer loan applicants using different methods and then compare their classification performance. The selected methods are logistic regression and classification tree. The first part is devoted to the principles, models, history, regulation and risks of peer-to-peer lending. The second part describes the methods used. In the third part, two scoring models are developed and then their classification performance is compared. Based on comparisons using the overall accuracy and area under the curve indicators, the logistic regression performs better than the classification tree.