engleski

Credit risk models for default prediction

Procjena kreditne sposobnosti temeljena na subjektivnom pristupu, odnosno isključivo na iskustvu i spoznajama analitičara pokazala se nedovoljno preciznom u području kreditnog odlučivanja. To je dovelo do potrebe razvoja kreditnih scoring modela. Kreditni scoring je sustav dodjeljivanja bodova zajmotražiteljima uz primjenu statističkih metoda u analizi njihovih ključnih karakteristika, a s ciljem određivanja kvantitativne mjere rizika koja predstavlja vjerojatnost da određeni klijent neće biti u mogućnosti ispuniti svoje obveze. Osnovni je zadatak kreditnih scoring modela identifikacija najznačajnijih karakteristika zajmotražitelja u predikciji ponašanja pri otplati kredita. S intencijom cjelovitog sagledavanja analizirane problematike, u teorijskom dijelu ove doktorske disertacije istraženi su postojeći modeli kreditnog rizika te su ukratko prikazane metode koje se primjenjuju pri modeliranju kreditnih rizika, s posebnim osvrtom na metode koje se koriste za razvoj bihevioralnih scoring modela. Jedan je od ciljeva rada bio izgraditi model logističke regresije za predikciju statusa neispunjavanja obveza koji će kvalitetno razdvajati kreditno sposobne od kreditno nesposobnih klijenata, te na taj način minimizirati kreditne gubitke. S tom su svrhom u analizi bili korišteni podaci 200 klijenata jedne poslovne banke s područja Republike Hrvatske. U postupku izgradnje modela prvo je na temelju definiranih kriterija od 49 izabrana 21 varijabla za modeliranje. U modelu logističke regresije izgrađenom bez selekcijske procedure statistički su značajne bile dvije varijable (spol i dob klijenta), dok je forward selekcija rezultirala s četiri statistički značajna prediktora (spol klijenata, dob klijenta, prosječan iznos zateznih kamata i broj nedozvoljenih prekoračenja). Na temelju klasifikacijskih tablica i izračunatih pseudo koeficijenata determinacije može se zaključiti da implementacija oba modela značajno pridonosi reduciranju kreditnog rizika. Ipak, nešto bolji rezultati proizlaze iz modela izgrađenog bez selekcijske procedure, kojim je korektno bilo klasificirano 96% klijenata. Osim logističke regresije, u analizi su korištena i stabla odlučivanja. Pri tome su primijenjena dva algoritma: iscrpna hi-kvadrat automatizirana interakcijska detekcija te klasifikacijska i regresijska stabla. Primjenom prvog algoritma bilo je korektno klasificirano 92.5%, a primjenom drugog algoritma 94.5% klijenata. Kako bi se unaprijedio kreditni scoring u hrvatskoj bankarskoj praksi, ovakva je istraživanja potrebno kontinuirano provoditi. Samo na taj način prednosti modelskog pristupa doći će do punog izražaja.

managing credit risk; default; logistic regression

nije evidentirano