Εφαρμογές ταξινόμησης σε τραπεζικά δεδομένα
| dc.contributor.author | Λυπάκη, Κυριακή Β. | |
| dc.date.accessioned | 2011-05-30T10:06:58Z | |
| dc.date.available | 2011-05-30T10:06:58Z | |
| dc.date.issued | 2011-05-30T10:06:58Z | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/3978 | |
| dc.description.abstract | Η πρόσφατη οικονομική κρίση αναδεικνύει για άλλη μια φορά τον σημαντικό ρόλο της παρακολούθησης του ρίσκου, που έχει αναλάβει ένας τραπεζικός οργανισμός στο δανειακό του χαρτοφυλάκιο. Σημαντικό εργαλείο γι’ αυτό αποτελεί ένα μοντέλο ικανό να εντοπίσει έγκαιρα πελάτες των οποίων τα δάνεια θα καταστούν μη-εξυπηρετούμενα στο άμεσο μέλλον. Στόχος είναι να περιγράψει την διαδικασία κατασκευής ενός τέτοιου μοντέλου για την Καταναλωτική Πίστη, μέσω της εφαρμογής της σε δεδομένα μιας από τις μεγαλύτερες τράπεζες της Ελλάδας. Αναλυτικότερα, κατασκευάστηκε ένα στατιστικό μοντέλο ταξινόμησης το οποίο μπορεί να προβλέψει, για ένα πελάτη που σήμερα οφείλει μια δόση σε ένα καταναλωτικό του δάνειο, αν στο τέλος του επόμενου εξαμήνου κάποιο δάνειο του πελάτη θα έχει χαρακτηριστεί ως μη-εξυπηρετούμενο (δηλαδή βρίσκεται σε καθυστέρηση μεγαλύτερη των 90 ημερών) ή όχι. Για το σκοπό αυτό εφαρμόστηκε η μέθοδο της Λογιστικής Παλινδρόμησης (Logistic Regression) στα δεδομένα, τα οποία είχαν προηγουμένως επεξεργαστεί ώστε να μειωθεί η διάσταση του χώρου των μεταβλητών. Συγκεκριμένα, για τον περιορισμό των κατηγορικών μεταβλητών καταφεύγει στην Ανάλυση Συστάδων Δύο Βημάτων (Two-Step Cluster Analysis), ενώ για την μείωση των συνεχών στην Ανάλυση Παραγόντων (Factor Analysis). Επίσης χρησιμοποιήθηκε η Ανάλυση Συστάδων Δύο Βημάτων για να σκιαγραφηθεί το προφίλ των πελατών. | |
| dc.language.iso | el | |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/deed.el | |
| dc.subject | Ταξινόμηση -- Μαθηματικά υποδείγματα | |
| dc.subject | Μεταβλητές (Μαθηματικά) | |
| dc.subject | Καταναλωτική πίστη | |
| dc.subject | Τράπεζες και τραπεζικές εργασίες -- Επεξεργασία δεδομένων | |
| dc.subject | Δάνεια | |
| dc.subject | Regression analysis | |
| dc.title | Εφαρμογές ταξινόμησης σε τραπεζικά δεδομένα | |
| dc.type | Master Thesis | |
| europeana.isShownAt | https://dione.lib.unipi.gr/xmlui/handle/unipi/3978 | |
| europeana.type | IMAGE | |
| dc.identifier.call | 658.15 ΛΥΠ | |
| dc.description.abstractEN | The recent Economic crisis highlighted once again the significant role of Risk monitoring of loan portfolio for Banking institutions. A primary tool for this surely is a model able to identify future potentially non-payers that could become defaulted customers. The goal for this dissertation is to describe how to build such a model for Consumer Lending, by actually constructing one, using data of a major bank of Greece. Specifically, we constructed a statistical classification model, able to predict whether at the end of the next six months, a client that currently is at 30 days past overdue, will be over 90 days overdue, or in other words whether his loan will be classified as non-performing. To serve this purpose we had, as a first step, to reduce the dimension of independent variables space. For categorical variables we applied the Two-Step Cluster Analysis, while for continuous variables Factor Analysis was chosen. In addition, Two-Step Cluster Analysis helped us in the clients’ profiling process. The main part of the analysis utilized the Logistic Regression Method, which highlighted exposure, type of loan, client’s marital status, and status of client’s business loan (if any) as the key variables for increasing customer probability to become defaulted. |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές