СТАТИСТИЧЕСКО ОЦЕНЯВАНЕ НА РИСКА ПРИ БАНКОВО КРЕДИТИРАНЕ НА ГРАЖДАНИ
Резюме
Представено е изграждането на логистичен регресионен скоринг-модел като статистически инструмент за определяне на вероятността даден кредитоискател да попадне в състояние на неизпълнение. Направено е изследване с реални данни за България. Описани са етапите на моделиране на регресионното уравнение: формиране на извадка от данни за моделиране; статистически анализ на данните по отношение на качество и пълнота; избор на подходящо логистично регресионно уравнение; анализ и оценяване на представянето на избрания регресионен модел. Използваните данни включват информация за граждани-кредитоискатели от банковия сектор у нас и са обработени с помощта на статистическия софтуер IBM SPSS Statistics v19.
Ключови думи
JEL класификация
Литература (библиография)
Draper, N. R. and H. Smith (1981). Applied Regression Analysis. 3rd ed. A Wiley-Interscience Publication: John Wiley & Sons Inc.
Feschijan, D. (2008). Analysis of the creditworthiness of bank loan applications. Fasta Universitats.
Finlay, S. (2010). Credit Scoring, Response Modelling and Insurance Rating - A practical guide to forecasting consumer behaviour. Palgrave Macmillan.
Gordon, L. (2013). Using classification and Regression Trees (CART) in SAS. University of Kentucky.
Gujarati, D. (2004). Basic Econometrics, Fourth Edition. The McGraw Hill Companies.
Hosmer, D. W. and S. Lemeshow (2000). Applied Logistic Regression, 2nd ed. New York: John Wiley & Sons Inc.
Lando, D. (2004). Credit Risk Modeling: Theory and Applications. Princeton: Princeton University Press.
Lund, B. and D. Brotherton (2013). Information Value Statistic. Detroit, MI, Paper AA-14-2013
Loh Wei-Yin (2011). Classification and regression trees. Department of Statistics, University of Wisconsin – Madison, USA: John Wiley & Sons Inc.
Madan, D. and H. Unal (1998). Pricing the risks of default. - Review of Derivatives Research, 2, р. 121-160.