dc.contributor.advisor | Κούτρας, Μάρκος | |
dc.contributor.author | Αντωνόπουλος, Ιωάννης | |
dc.date.accessioned | 2016-03-28T10:24:46Z | |
dc.date.available | 2016-03-28T10:24:46Z | |
dc.date.issued | 2015-09 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/8647 | |
dc.description.abstract | Η παρούσα εργασία αναφέρεται στα μοντέλα αξιολόγησης πιστοληπτικής ικανότητας. Αρχικά παρουσιάζεται το απαραίτητο θεωρητικό υπόβαθρο και γίνεται μια ιστορική αναδρομή επί του θέματος. Γίνεται αναφορά στο κανονιστικό πλαίσιο της Βασιλείας ΙΙ για το πώς επιβάλλεται τα τραπεζικά ιδρύματα να διαχειρίζονται τον πιστωτικό κίνδυνο. Στη συνέχεια αναπτύσσεται εκτενέστερα η έννοια του πιστωτικού κινδύνου και παρατίθενται οι κατηγορίες των μοντέλων βαθμονόμησης πιστωτικού κινδύνου. Ακόμη περιγράφονται οι τρείς κύριες στατιστικές μέθοδοι που χρησιμοποιούνται για την κατασκευή μοντέλων βαθμονόμησης πιστωτικού κινδύνου. Τέλος, η εργασία ολοκληρώνεται με πρακτική εφαρμογή σε αληθινά δεδομένα από τη βάση δεδομένων δύο ελληνικών τραπεζών, χρησιμοποιώντας μία από τις τρείς μεθοδολογίες που έχουν αναπτυχθεί σε αυτή την εργασία. | el |
dc.format.extent | 89 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Πιστωτικός κίνδυνος | el |
dc.subject | Μοντέλα πιστωτικού κινδύνου | el |
dc.title | Μοντέλα αξιολόγησης πιστοληπτικής ικανότητας | el |
dc.title.alternative | Credit scoring models | el |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης | el |
dc.description.abstractEN | The topic of the present MSc thesis is the Credit Scoring Models. Initially all necessary theoretical background is presented, along with a historical review on the topic. Reference is made to the regulatory framework of Basel II and the need all financial institutions to comply with that in order to effectively manage credit risk. Subsequently, several aspects of Credit Risk and the subcategories of Credit Scoring Models are discussed in some detail. Furthermore, three of the most important statistical methods widely used for the creation of Credit Scoring Models are described. Finally an application on real data, extracted from the databases of two Greek banks, is presented where one of those three methods is applied and several useful conclusions are drawn. | el |
dc.contributor.master | Αναλογιστική Επιστήμη και Διοικητική Κινδύνου | el |
dc.subject.keyword | Πιστώσεις | el |