|
|
Selection Bias Reduction in Credit Scoring Models
Ditrich, Josef ; Hebák, Petr (advisor) ; Pecáková, Iva (referee) ; Zamrazilová, Eva (referee)
Nowadays, the use of credit scoring models in the financial sector is a common practice. Credit scoring plays an important role in profitability and transparency of lending business. Given the high credit volumes, even a small improvement of discriminatory and predictive power of a credit scoring model may provide a substantial additional profit. Scoring models are applied on the through-the-door population, however, for creating them or adjusting already existing credit rules, it is usual to use only the data corresponding to accepted applicants for which payment discipline can be observed. This discrepancy can lead to reject bias (or selection bias in general). Methods trying to eliminate or reduce this phenomenon are known by the term reject inference. In general, these methods try to assess the behavior of rejected applicants or to obtain an additional information about them. In the dissertation thesis, I dealt with the enlargement method which is based on a random acceptance of applicants that would have been rejected. This method is not only time consuming but also expensive. Therefore I looked for the ways how to reduce the cost of acquiring additional information about rejected applicants. As a result, I have proposed a modification which I called the enlargement method with sorting variable. It was validated on real bank database with two possible sorting variables and the results were compared with the original version of the method. It was shown that both tested approaches can reduce its cost while retaining the accuracy of the scoring models.
|
|
|
Analýza nelineárních časových řad
Ditrich, Josef ; Trešl, Jiří (advisor) ; Cipra, Tomáš (referee)
Cílem této diplomové práce je analýza chování finančních časových řad vybraných z různých ekonomických oblastí. Konkrétně se jedná o dvě řady hodnot akcií a dvě řady hodnot měnových kurzů. V praktické části jde nejen o jejich analýzu a hledaní nejvhodnějšího modelu každé řady, ale také o popsání společných i rozdílných vlastností zkoumaných řad. Pozornost je soustředěna zejména na modelování podmíněného rozptylu pomocí modelů GARCH a hledání asymetrie pomocí nelineárních modelů volatility typu EGARCH a GJR-GARCH. Tyto modely jsou součástí většiny dostupných statistických softwarů. Ve druhé kapitole jsou uvedeny některé základní pojmy a definice, se kterými se lze při analýze časových řad setkat. Třetí kapitola popisuje základní stacionární a nestacionární lineární modely a aplikaci Kalmanových filtrů. Rozsáhlá čtvrtá část má za úkol přiblížit vlastnosti pěti nelineárních modelů, které jsou v literatuře často zmiňovány a které se vyskytují v mnoha modifikacích. Za ty nejdůležitější autor považuje bilineární modely, modely autoregresních náhodných koeficientů (RCA), dvojitě stochastické modely, prahové autoregresní modely (TAR) a autoregresní modely s podmíněným rozptylem (ARCH, GARCH). V páté části jsou již zmíněné aplikace modelů skupiny GARCH.
|
guest ::
RSS feed.