Primjena logističke regresije pri procjeni rizičnosti korisnika kredita

diplomski rad

• Naslov (engleski): The Use of Logistic Regression in Borrower Risk Assessment
• Autor: Katja Bojčić
• Mentor: Saša Jakšić (mentor)
• Član povjerenstva: Saša Jakšić (predsjednik povjerenstva)
• Član povjerenstva: Lucija Rogić Dumančić (član povjerenstva)
• Član povjerenstva: Željko Bogdan (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Ekonomski fakultet; (Katedra za statistiku); Zagreb
• Datum i država obrane: 2019-09-30, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: DRUŠTVENE ZNANOSTI; Ekonomija; Ekonomska matematika i statistika

Sažetak

Jedan od najčešćih i najprepoznatljivijih rizika u svakodnevnom poslovanju banaka jest kreditni rizik. Izloženost kreditnom riziku potiče banke na mudro i savjesno donošenje odluka s ciljem minimizacije rizika, što zahtjeva upravljanje kreditnim rizikom pomoću, između ostalog, kvantitativnih metoda. Time banka može predvidjeti rane znakove mogućeg nastupanja nepovoljnog događaja te prevenirati, odnosno amortizirati negativne posljedice. Razina kreditnog rizika klijenta često se određuje bankovnim internim kreditnim skoring modelima. Cilj takvih modela je donošenje sofisticiranih odluka kako bi se ustanovilo je li klijent uopće u mogućnosti uredno izvršavati, te u konačnici finalizirati otplatu dodijeljenih novčanih sredstava. Navedeno se najčešće provodi primjenom logističke regresije korištenjem povijesnih podataka i statističkih metoda.

Cilj ovog rada je prikazati ulogu kreditnog vrednovanja u procesu donošenja odluka te u programskom jeziku R koristeći statistički skup podataka razvijene ekonomije demonstrirati na koji način model logističke regresije djeluje, uz predstavljanje same njegove uspješnosti usporedbom dobivenih modelom procijenjenih vrijednosti sa stvarnim vrijednostima

Sažetak (engleski)

Credit risk is one of the most common and present risks in the day-to-day operations of banks. Exposure to credit risk encourages banks to make wise and conscientious decisions in order to minimize risk, which requires credit risk management using, among other things, quantitative methods. In this way, the bank can predict early signs of an adverse event and prevent or mitigate possible negative consequences. The client's credit risk level is often determined by the bank's internal credit scoring models. The goal of such models is to allow making sophisticated and rational decisions n oreder to determine clients’ credit worthiness. This is most often done by applying logistic regression using historical data and statistical methods.

The purpose of this paper is to present the role of credit scoring in the decision-making process and, in R programming language using a real data, to demonstrate how the logistic regression model works and its performance accuracy by comparing the model's estimated values with the actual values.

• Ključne riječi: kreditni rizik; kreditno vrednovanje; logistička regresija
• Ključne riječi (engleski): credit risk; credit scoring; logistic regression
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:148:598360
• Studijski program: Naziv: Ekonomija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra ekonomije (mag.oec.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Pristup korisnicima matične ustanove
• Datum i vrijeme pohrane: 2019-10-07 17:37:14