|
| |
|
|
Nové metody ve schvalování úvěrů
Rychnovský, Michal ; Arlt, Josef (vedoucí práce) ; Pecáková, Iva (oponent) ; Veselý, Petr (oponent)
Tato práce přispívá do oblasti aplikované statistiky a finančního modelování analýzou matematických modelů používaných v procesech schvalování retailových úvěrů. Konkrétně má tři cíle. Za prvé, diskutuje vhodnost výkonnostních kritérií užívaných zavedenými statistickými postupy a navrhuje zaměřit se místo toho na sílu predikce. Za druhé, porovnává analytickou přidanou hodnotu stávajících a nově navrhovaných metod podle navržených kritérií. A třetím cílem práce je potom výstavba a detailní specifikace rozsáhlého modelu pro odhad profitability včetně kritické reflexe jeho silných a slabých stránek. V první kapitole pracuji v oblasti modelování pravděpodobnosti defaultu (selhání dlužníka) a navrhuji srovnání predikční síly modelů v čase, místo v akademické literatuře běžně používaného srovnání na náhodném testovacím vzorku. K tomuto účelu používám koncept analýzy přežití a Coxův model, který společně s běžně používanou logistickou regresí aplikuji na vzorek reálných českých bankovních dat a porovnávám výsledky pomocí Giniho koeficientu a charakteristiky lift. Na náhodném validačním vzorku vykazuje Coxův model podobnou přesnost jako logistická regrese, zatímco při porovnání predikčních schopností v čase vychází Coxův model znatelně lépe. Ve druhé kapitole, zaměřené na modelování ztráty při defaultu (LGD), představuji dva modely založené na Coxově regresi a na reálných datech srovnávám jejich predikční sílu se standardními přístupy lineární a logistické regrese. Ve srovnání pomocí modifikovaného koeficientu determinace vykazuje Coxův model lepší predikce. Třetí kapitola se zaměřuje na odhad očekávané profitability jako alternativy k odhadům rizika jako takového a staví na modelech pravděpodobnosti defaultu a ztráty při dafaultu. Zde konstruuji rozsáhlý a detailní model profitability pro schvalování retailových úvěrů s fixní dobou spláceni. Do modelu vstupují také další související výnosy a náklady očištěné o riziko plynoucí z defaultu dlužníka, což vede k přesnějším výsledkům. Dále navrhuji čtyři charakteristiky profitability, včetně rizikově očištěného očekávaného vnitřního výnosového procenta a rentability vlastního kapitálu, a simuluji vliv tohoto modelu na každou z těchto měr. Nakonec poukazuji na některé slabiny těchto přístupů a řeším problém nalezení koncentrací defaultů či podvodů v portfoliu. Proto také představuji novou statistickou míru založenou na předem stanované expertní hodnotě kritické míry defaultu a srovnávám GUHA metodu s použitím klasifikačních stromů na reálném datovém vzorku. Pomocí srovnání různých metod tato práce přispívá k debatám ohledně použití modelů analýzy přežití ve finančním modelování a modelů profitability používaných pro schvalování úvěrů.
|
|
|
Využití statistických metod při oceňování nemovitostí
Funiok, Ondřej ; Pecáková, Iva (vedoucí práce) ; Řezanková, Hana (oponent)
Diplomová práce se zabývá oceňováním nemovitostí v České republice za pomocí statistických metod. Práce se zaměřuje komplexní úlohu založenou na datech z inzertního webového portálu. Cílem diplomové práce je vytvoření prototypu statistického predikčního modelu pro oceňování obytných nemovitostí v Praze a jeho vyhodnocení pro další možnosti rozšiřování. Struktura práce je koncipovaná podle metodiky CRISP-DM. Na předzpracovaných datech jsou postupně vyzkoušeny metody regresních stromů a náhodných lesů, pomocí kterých je predikována cena nemovitostí.
|
|
| |
|
| |
|
| |
|
| |
|
|
Hodnocení Výsledků Fuzzy Shlukování
Říhová, Elena ; Pecáková, Iva (vedoucí práce) ; Řezanková, Hana (oponent) ; Žambochová, Marta (oponent)
Shluková analýza je vícerozměrná klasifikační statistická metoda zahrnující různé metody a postupy. Lze rozlišit pevné a fuzzy shlukování, kdy druhá varianta umožňuje přesnější výsledné rozdělení objektů do shluků. V reálném životě optimální počet těchto shluků není a prioriznám. A proto je zapotřebí tento optimální počet shluků zjistit, což umožnují koeficienty pro hodnocení výsledků shlukování. Těchto koeficientů však existuje velký počet. Jedním z cílů této disertační práce bylo vytvořit strukturovaný přehled existujících koeficientů a postupů určených pro hodnocení výsledků fuzzy shlukování v závislosti na optimálním počtu shluků. Hlavním cílem pak bylo navržení nového koeficientu pro hodnocení výsledků fuzzy shlukování, a to hlavně v případě velkého počtů shluků (více než pět). Nově navržený koeficient je založen na mírách příslušnosti a na vzdálenosti (euklidovská vzdálenost) mezi objekty, to znamená na principech fuzzy i pevného shlukování. Vhodnost použití vybraných koeficientů je zkoumána jednak na reálných, jednak na generovaných datových souborech, u kterých optimální počet shluků je známý. Použité datové soubory jsou různého rozsahu a obsahují různé počty proměnných a různé počty shluků. Cíle práce je možné považovat za splněné. Stěžejním přínosem této disertační práce je navržení nového koeficientu (E) pro hodnocení výsledků fuzzy shlukování, a to jak v případě souborů s malým, tak v případě souborů s velkým počtem shluků (více než pět). Díky tomu, že tento nový koeficient je založen na principech fuzzy i pevného shlukování, je schopen lépe než jiné koeficienty určit optimální počet shluků jak u malých, tak i u velkých datových souborů. Dalším přínosem práce je klasifikace již existujících koeficientů pro hodnocení výsledků fuzzy shlukování.
|
|
|
Building credit scoring models using selected statistical methods in R
Jánoš, Andrej ; Bašta, Milan (vedoucí práce) ; Pecáková, Iva (oponent)
Kredit skóring je ve finanční praxi důležitou a rychle se rozvíjející disciplínou. Cílem této práce je vytvořit souhrn základních metodik používaných k vytvoření a popisu kredit skóringových modelů s interpretací jejich výstupu společně s praktickou ilustrací postupu při vytváření těchto modelů v statistickém programovém prostředí R. Tato práce je členěná do pěti kapitol. První kapitola je věnovaná vysvětlení pojmu kredit skóring společně s několika příklady praktického využití a motivací pro jeho studium. V další části práce jsou postupně představené tři, ve finanční praxi nejčasteji používané, metody pro tvorbu kredit skóringových modelů. Ve druhé, nejrozvinutější kapitole se práce věnuje logistické regresi. Největší důraz je kladen na matematické odvození vztahu pro logistický regresní model a uvedeno je několik způsobů jako posoudit kvalitu proložení dat modelem. Dalšími dvěmi metodami prezentovanými v této práci jsou rozhodovací stromy a náhodné lesy, kterým se věnují kapitoly 3 a 4. Neoddělitelnou součástí této práce jsou podrobně popsané aplikace těchto metod na konkrétní datový soubor Default v programové platformě R. V závěrečné, páté, kapitole je praktická ilustrace vytvoření kredit skóringových modelů, jejich diagnostiky a následného vyhodnocení jejich schopnosti předpovídat selhání klienta v praxi s použitím R. V přílohách jsou uvedené vytvořené funkce a kód v R použité v práci. Čtenář vybavený základními poznatky z pravděpodobnosti a matematické statistiky získá dostatek teoretických znalostí a praktických zručností k pochopení modelů a jejich samostatné aplikaci.
|
|
|
Shluková a regresní analýza mikropanelových dat
Sobíšek, Lukáš ; Pecáková, Iva (vedoucí práce) ; Komárek, Arnošt (oponent) ; Brabec, Marek (oponent)
Panelové studie se provádí především za účelem analýzy změn hodnot sledovaných proměnných v čase. V mikropanelovém výzkumu se sleduje velké množství objektů periodicky během relativně krátkého časového úseku (v řádu let). Počet opakovaných měření je v řádu jednotek. Tato práce se věnuje stávajícím přístupům k regresní a shlukové analýze mikropanelových dat. Jedním z přístupů k analýze mikropanelu je využití modifikovaných vícerozměrných statistických modelů pro průřezová data, které zohledňují korelaci měření pro daný objekt. V práci jsou shrnuty dostupné nástroje pro regresní analýzu mikropanelových dat. Kromě rekapitulace známých a užívaných smíšených lineárních modelů pro normálně rozdělenou závisle proměnnou jsou stručně představeny nové přístupy pro analýzu vysvětlovaných proměnných s jiným než normálním rozdělením. Mezi ně patří například zobecněný lineární marginální model, zobecněný lineární model se smíšenými efekty a bayesovský přístup. Kromě popisu těchto modelů je uveden stručný přehled jejich implementace v systému R. S regresními modely upravenými pro mikropanelová data je spjato úskalí v nejednoznačnosti odhadu jejich parametrů. V práci je navrženo, jak zpřesnit odhady pomocí shlukové analýzy. Proto jsou v práci popsány metody shlukové analýzy mikropanelových dat. Vzhledem k tomu, že nabídka metod je omezená, hlavním cílem práce bylo navrhnout vlastní dvoukrokový postup shlukování mikropanelových dat. V prvním kroku jsou transformována panelová data na statická pomocí skupiny navržených charakteristik dynamiky, které reprezentují různé vlastnosti časového vývoje sledované proměnné. Ve druhém kroku jsou shlukovány objekty konvenčními prostorovými technikami (aglomerativní shlukování a metoda C-průměrů) na základě matice nepodobnosti hodnot shlukovacích proměnných spočítaných v prvním kroku. Dalším cílem práce je zjistit, zda navržený postup shlukování vede ke zkvalitnění regresních modelů pro tento typ dat. Pomocí simulační studie je porovnáván navržený shlukovací přístup s postupem aplikovaným v balíčku kml systému R a se shlukovacími charakteristikami, které navrhuje Urso (2004). V provedené studii dosáhla kombinace navržených shlukovacích proměnných lepších výsledků než používané skupiny shlukovacích proměnných. Dalším přínosem práce je skript napsaný pro jazyk R přiložený na CD. Tento skript je možno použít pro analýzu vlastních mikropanelových dat.
|
host ::
RSS.