Kreditní riziko v bankovnictví - NMFM537

• Anglický název: Credit Risk in Banking
• Zajišťuje: Katedra pravděpodobnosti a matematické statistiky (32-KPMS)
• Fakulta: Matematicko-fyzikální fakulta
• Platnost: od 2022
• Semestr: zimní
• E-Kredity: 3
• Rozsah, examinace: zimní s.:2/0, Zk [HT]
• Počet míst: neomezen
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: nevyučován
• Jazyk výuky: angličtina, čeština
• Způsob výuky: prezenční
• Způsob výuky: prezenční
• Garant: RNDr. Václav Kozmík, Ph.D.; Marek Teller
• Třída: M Mgr. FPM; M Mgr. FPM > Volitelné; M Mgr. PMSE; M Mgr. PMSE > Povinně volitelné
• Kategorizace předmětu: Ekonomie > Finanční ekonomie; Matematika > Finanční a pojistná matematika
• Neslučitelnost : NMFP461
• Záměnnost : NMFP461
• Je neslučitelnost pro: NMFP461
• Je záměnnost pro: NMFP461, NFAP042

Anotace

čeština

Hlavní náplní přednášky jsou nejpoužívanější statistické modely pro hodnocení kreditního rizika - logistická regrese, rozhodovací stromy, metoda gradient boosting. V další části přednášky se posluchači seznámí s postupy, jak aplikovat skoringové modely v praxi, jak oceňovat riziko jednotlivých úvěrů a celých portfolií. Důraz bude kladen na propojení teoretických znalostí s postupy běžně používanými v bankovní praxi.

Poslední úprava: Zichová Jitka, RNDr., Dr. (16.05.2019)

angličtina

First part of this course covers most popular statistical models for credit risk scoring - logistic regression, decision trees, gradient boosting method. In following lectures, students will get familiar with procedures how to use scoring models in practice and how to estimate risk of single loan and whole portfolios. Emphasis will be put on the link between theoretical knowledge and procedures used in banking practice.

Poslední úprava: Zichová Jitka, RNDr., Dr. (16.05.2019)

Cíl předmětu

čeština

Cílem přednášky je seznámit studenty se základními pojmy řízení kreditních rizik. Přednáška seznamuje s aktuálními trendy řízení kreditního rizika v praxi.

Poslední úprava: Zichová Jitka, RNDr., Dr. (16.05.2019)

angličtina

The objective of the lecture is to give an overview of the methods connected with credit risk management. The lecture will make students acquainted with the current trends in credit risk management.

Poslední úprava: Zichová Jitka, RNDr., Dr. (16.05.2019)

Podmínky zakončení předmětu

čeština

Vypracování domácích úkolů a ústní zkouška. Domácí úkoly obsahují tvorbu klasických i moderních prediktivních modelů na reálných datech.

Poslední úprava: Kozmík Václav, RNDr., Ph.D. (26.09.2020)

angličtina

Home assignments and oral exam. Home assignment will cover preparation of both classical and modern predictive models on real data.

Poslední úprava: Kozmík Václav, RNDr., Ph.D. (26.09.2020)

Literatura

čeština

[1] Hosmer, David W. and Stanley Lemeshow, Applied Logistic Regression, 2nd ed., New York; Chichester, Wiley, 2000, ISBN 0-471-35632-8.

[2] Chen T. and Guestrin, C.: XGBoost: A Scalable Tree Boosting System, https://arxiv.org/abs/1603.02754

Poslední úprava: Kozmík Václav, RNDr., Ph.D. (26.09.2020)

Metody výuky

čeština

Přednáška doprovázená slidy. K dispozici je studijní text, který pokrývá velkou část obsahu přednášky.

Poslední úprava: Kozmík Václav, RNDr., Ph.D. (27.09.2021)

angličtina

Lecture supported by slides. There is a study text which covers most of the lecture content.

Poslední úprava: Kozmík Václav, RNDr., Ph.D. (27.09.2021)

Požadavky ke zkoušce

čeština

Požadavky ke zkoušce vycházejí ze sylabu přednášky a z probrané látky. Zkouška je ústní.

Poslední úprava: Zichová Jitka, RNDr., Dr. (13.05.2019)

angličtina

The requirements for the exams follow the syllabus of the course and they are limited to presented topics at the lectures.

The exam consists of an oral examination.

Poslední úprava: Vitali Sebastiano, Ph.D. (12.10.2017)

Sylabus

čeština

1) Statistické modely pro hodnocení kreditního rizika - logistická regrese, rozhodovací stromy, metoda gradient boosting.

2) Aplikace skoringových modelů v praxi, oceňování rizika jednotlivých úvěrů a celých portfolií, propojení teoretických znalostí s postupy běžně používanými v bankovní praxi.

Poslední úprava: Kozmík Václav, RNDr., Ph.D. (26.09.2020)

angličtina

1) Most popular statistical models for credit risk scoring - logistic regression, decision trees, gradient boosting method.

2) Procedures how to use scoring models in practice and how to estimate risk of single loan and whole portfolios. Emphasis will be put on the link between theoretical knowledge and procedures used in banking practice.

Poslední úprava: Zichová Jitka, RNDr., Dr. (16.05.2019)

Vstupní požadavky

čeština

Základní znalost matematické statistiky (především lineární regrese), teorie pravděpodobnosti a matematické analýzy. Pro praktickou aplikaci probírané látky je ideální alespoň základní znalost jazyků R nebo Python.

Poslední úprava: Zichová Jitka, RNDr., Dr. (16.05.2019)

angličtina

Basic knowledge of mathematical statistics (particularly linear regression), theory of probability and mathematical analysis. For practical usage of the lecture content it is ideal to have basic knowledge of R or Python languages.

Poslední úprava: Zichová Jitka, RNDr., Dr. (16.05.2019)