Αξιολόγηση πιστοληπτικής ικανότητας δανειοληπτών μέσω στατιστικών τεχνικών

Βιτζηλαίος, Γεώργιος

dc.contributor.advisor	Φιλιππάκης, Μιχαήλ
dc.contributor.author	Βιτζηλαίος, Γεώργιος
dc.date.accessioned	2026-05-27T08:04:25Z
dc.date.available	2026-05-27T08:04:25Z
dc.date.issued	2026-05
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/19388
dc.description.abstract	Η παρούσα πτυχιακή εργασία έχει ως αντικείμενο την ανάλυση και πρόβλεψη της καθυστέρησης αποπληρωμής δανείων μέσω στατιστικών μεθόδων, χωρίς τη χρήση τεχνικών μηχανικής μάθησης. Στόχος της εργασίας είναι η διερεύνηση των παραγόντων που επηρεάζουν τον πιστωτικό κίνδυνο και η ανάπτυξη ενός απλού μοντέλου αξιολόγησης δανειοληπτών. Για την ανάλυση χρησιμοποιήθηκε το σύνολο δεδομένων German Credit Dataset, το οποίο περιλαμβάνει πληροφορίες για 1000 δανειολήπτες και διάφορα χαρακτηριστικά που σχετίζονται με την οικονομική και κοινωνική τους κατάσταση, καθώς και με τα χαρακτηριστικά των δανείων τους. Η μεθοδολογία βασίστηκε στην περιγραφική στατιστική, την ανάλυση συσχέτισης και την ανάλυση πιθανοτήτων αθέτησης (Probability of Default). Τα αποτελέσματα έδειξαν ότι η διάρκεια και το ποσό του δανείου αποτελούν βασικούς παράγοντες που επηρεάζουν την πιθανότητα καθυστέρησης αποπληρωμής, ενώ η ηλικία εμφανίζει μικρότερη επίδραση. Επιπλέον, αναπτύχθηκε ένα σύστημα κατηγοριοποίησης κινδύνου, το οποίο διαχωρίζει τους δανειολήπτες σε χαμηλού, μεσαίου και υψηλού κινδύνου, παρουσιάζοντας σημαντικές διαφορές στα ποσοστά αθέτησης μεταξύ των ομάδων. Η εργασία καταδεικνύει ότι η στατιστική ανάλυση μπορεί να αποτελέσει ένα αποτελεσματικό και διαφανές εργαλείο αξιολόγησης πιστωτικού κινδύνου, παρέχοντας χρήσιμα συμπεράσματα για τη λήψη αποφάσεων στον τραπεζικό τομέα.	el
dc.format.extent	66	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.title	Αξιολόγηση πιστοληπτικής ικανότητας δανειοληπτών μέσω στατιστικών τεχνικών	el
dc.title.alternative	Creditworthiness assessment of borrowers through statistical techniques	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων	el
dc.description.abstractEN	This thesis focuses on the analysis and prediction of loan repayment delays using statistical methods, without the use of machine learning techniques. The main objective is to investigate the factors affecting credit risk and to develop a simple borrower risk assessment model. The analysis is based on the German Credit Dataset, which includes data for 1,000 borrowers along with various attributes related to their financial and demographic characteristics, as well as loan features. The methodology relies on descriptive statistics, correlation analysis, and probability of default (PD) estimation. The results indicate that loan duration and loan amount are key factors influencing the probability of default, while age has a less significant impact. Furthermore, a risk segmentation model was developed, classifying borrowers into low, medium, and high-risk categories, revealing substantial differences in default rates across these groups. The findings demonstrate that statistical analysis can serve as an effective and transparent tool for credit risk evaluation, providing valuable insights for decision-making in the banking sector.	el
dc.contributor.master	Πληροφοριακά Συστήματα και Υπηρεσίες	el
dc.subject.keyword	Πιστοληπτική ικανότητα	el
dc.subject.keyword	Αποπληρωμή δανείων	el
dc.subject.keyword	Πιθανότητα αθέτησης	el
dc.subject.keyword	Στατιστική ανάλυση	el
dc.subject.keyword	Credit scoring	el
dc.subject.keyword	Πιστωτικός κίνδυνος	el
dc.date.defense	2026-05-25

Files in this item

Name:
Size:: 1.149Mb
Format:: PDF
Description:: Μεταπτυχιακή διατριβή

View/Open

This item appears in the following Collection(s)

Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems

Show simple item record

Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα