|
|
Determinanty vzniku pojistné události: případ povinného ručení
Novotný, Jakub ; Bolcha, Peter (vedoucí práce) ; Potužák, Pavel (oponent)
Práce testuje hypotézy spjaté s dílčími proměnnými, které jsou v České republice využívány pro segmentaci trhu s povinným ručením. V úvodní teoretické části práce je shrnut současný stav poznání a popsán vývoj segmentace na pojistném trhu v Evropské unii. Úvodní část práce je navíc rozšířena o analýzu stávající segmentace na českém pojistném trhu s povinným ručením. Empirická část práce je zaměřena na odhad vlivu jednotlivých proměnných na pravděpodobnost vzniku pojistné události. Pro odhad regresních koeficientů je využita logistická regrese. Dílčí modely jsou vytvořeny pro mimořádně malé nebo velké pojistné události. Nejvýznamnější proměnné pozitivně ovlivňující pravděpodobnost vzniku pojistné události jsou objem motoru, nízký věk pojistníka a region Praha. Nejvýznamnější proměnné negativně ovlivňující pravděpodobnost vzniku pojistné události jsou historické vozidlo, vysoký věk pojistníka, počet měsíců bez pojistné události a region Jihomoravský kraj. Výsledky jsou konfrontovány s jinými odbornými články zaměřenými na tuto problematiku.
|
|
|
Srovnání vybraných klasifikačních metod pro vícerozměrná data
Stecenková, Marina ; Řezanková, Hana (vedoucí práce) ; Berka, Petr (oponent)
Cílem této diplomové práce je srovnání vybraných klasifikačních metod, a to logistické regrese (binární a multinomické), vícevrstvého perceptronu a klasifikačních stromů CHAID a CRT. V první části je připomenut teoretický základ těchto metod a vysvětlena podstata parametrů modelu. V další části jsou na šesti datových souborech aplikovány výše uvedené klasifikační metody a následně porovnány výstupy těchto metod. Důraz je kladen zejména na hodnocení diskriminační síly modelů. Této problematice je věnována samostatná kapitola. Hodnocení diskriminační síly modelu je založeno na celkové úspěšnosti, F-míře a velikosti plochy pod ROC křivkou. Přínosem práce není pouze srovnání vybraných klasifikačních metod na základě statistik hodnotících diskriminační sílu modelů, ale také celkový přehled o přednostech a nedostatcích jednotlivých metod.
|
|
| |
|
|
Míry kvality klasifikačních modelů a jejich převod
Hanusek, Lubomír ; Hebák, Petr (vedoucí práce) ; Řezanková, Hana (oponent) ; Skalská, Hana (oponent)
Prediktivní sílu klasifikačních modelů lze vyhodnotit různými ukazateli. V oblasti data miningu (dále DM) se nejvíce využívají míry Giniho koeficient, Kolmogorovova-Smirnovova statistika a lift. Tyto míry jsou založeny na zcela rozdílném způsobu výpočtu a je-li analytik zvyklý používat jednu z těchto měr, může být pro něj těžké udělat si představu o kvalitě modelu vyhodnoceném jinou mírou. Tato práce si klade za cíl nalézt mezi jednotlivými mírami převodní mechanismus. Přestože hlavní důraz je kladen na tři výše uvedené míry, práce se zabývá i dalšími ukazateli, a to sensitivitou, specificitou, celkovou správností a plochou pod ROC křivkou. Při vývoji DM modelů často vzniká potřeba pracovat nikoli s původním základním souborem o rozsahu miliónů či desítek miliónů pozorování, ale s výběrem, který je stratifikovaný dle hodnot vysvětlované proměnné Y. Vyhodnotí-li se pak model na stratifikovaných datech, vzniká potřeba vědět, jak se jednotlivé míry změní při přepočtu na základní soubor. Tato práce popisuje způsob, jak tento převod uskutečnit. Součástí této práce je i softwarová aplikace, která výše uvedené převody umožňuje. S její pomocí lze nejen převádět jednu míru kvality na druhou, ale také převádět míry získané na stratifikovaném souboru na soubor základní. Výstupem této aplikace je vedle požadovaných měr (sensitivita, specificita, celková správnost, Giniho koeficient, Kolmogorovova-Smirnovova statistika) také konfuzní matice a grafy kvality (lift křivka, gains křivka, ROC křivka a KS křivka). Internetová adresa, kde lze aplikaci stáhnout, a také uživatelský manuál k této aplikaci jsou součástí této práce. Veškerá teorie popsaná v této práci byla ověřena na reálných datových souborech.
|
|
|
Finanční bilance domácností
Siegelová, Klára ; Bartošová, Jitka (vedoucí práce) ; Bína, Vladislav (oponent)
Bakalářská práce se zabývá finanční bilancí českých domácností. Sleduje změny ve vývoji dluhového zatížení domácností, zároveň však i vývoj jejich úspor. Zvoleným obdobím je období přibližně od roku 1997 do roku 2007 před vypuknutím finanční krize a období v průběhu této krize do roku 2010. Cílem bakalářské práce je statistické zpracování datového souboru Statistika rodinných účtů z roku 2009 se zaměřením na finanční bilanci domácností na základě rozdílu příjmů a výdajů domácností.
|
|
|
Modlování vývoje výše škodních událostí
Kantorová, Petra ; Zimmermann, Pavel (vedoucí práce) ; Hrevuš, Jan (oponent)
Tato diplomová práce je zaměřena na odhad výše škody a pravděpodobnosti neuzavření (nevyřízení) škody v určité fázi vypořádacího procesu pojišťovny. Změna výše škody představuje změnu fáze vypořádacího procesu. K modelování těchto změn je využito zobecněného lineárního modelu. Do této teorie patří i klasický lineární regresní model, který je její speciální případ, má však přísnější předpoklady. Zobecněný lineární model mimo jiné umožňuje zajímavým způsobem prostřednictvím sdruženého modelu řešit problém heteroskedasticity. V praktické části práce je tohoto modelu využito. Součástí teorie zobecněného lineárního modelu je i logistická regrese, která v této práci napomáhá k modelování pravděpodobnosti neuzavření škody. Výsledky modelů jsou prezentovány v grafické podobě, zejména pak grafy obsahující pravděpodobnosti, že hodnoty dané škody se budou nacházet v určitém intervalu.
|
|
|
Scoring Models in Finance (Skóringové modely ve financích)
Rychnovský, Michal ; Zouhar, Jan (vedoucí práce) ; Kalčevová, Jana (oponent)
Cílem této práce je popsat aplikace modelu logistické regrese pro odhad pravděpodobnosti defaultu klienta a stručně nastínit proces vývoje skóringových funkcí ve finanční praxi. Nejdříve uvádíme teoretický popis logistické regrese, následovaný postupným odvozením tří nejpoužívanějších skóringových modelů. Poté přicházíme s formální definicí Giniho koeficientu jako míry diverzifikační schopnosti modelu a odvozujeme výpočetní formule (Somersova typu) pro jeho odhad. Hlavní částí práce je potom popis úplného procesu vývoje skóringových funkcí, ilustrovaný na reálných příkladech z praxe.
|
|
| |
|
| |
|
|
Porovnání přístupů ke tvorbě scoringových modelů
Hofman, Elena ; Šedivý, Jan (vedoucí práce)
Tato práce je zaměřena na řízení přímého úvěrového rizika, které vzniká bance při klasických úvěrových obchodech vůči fyzickým osobám. Zabývá se teorií ohodnocení rizika parametrem PD (Probability of Default) na základě různých scoringových modelů. Cílem práce je uvedení do problematiky úvěrového rizika a jeho řízení obecně, pozornost je věnována detailnímu postupu tvorby scoringového modelu. Jsou uvedeny 3 konkrétní modelovací techniky a to logistická regrese, rozhodovací stromy a neuronové sítě. Metody jsou podrobně vysvětleny a jsou uvedeny možnosti jejich vzájemného porovnání. Aplikační část práce je věnována vyhodnocení a srovnání scoringových modelů postavených na uvedených metodách.
|
host ::
RSS.