dc.contributor.advisor | Marosi, Gabriel | |
dc.creator | Drahá, Ivana | |
dc.date.accessioned | 2017-03-27T12:15:24Z | |
dc.date.available | 2017-03-27T12:15:24Z | |
dc.date.issued | 2006 | |
dc.identifier.uri | http://hdl.handle.net/20.500.11956/4534 | |
dc.description.abstract | Diploma t hesis deals with fund ament al attributes of credit risks, hist orie development of models and selected statist ical methods for counter party risk meas urement . The mat erial is focused on aplication of cluster analysis and logisti c regression. Fur ther , it provides overview of meas ur ing the effectivity of models, The final par t present s dat a processing in t he SAS software package, findin gs on influence of categorical data repr esentation to model efficiency and depend ence of model efficicncy on size of underlying development sample. | en_US |
dc.description.abstract | Diplomová práce pojednává o základních rysech úvěrového rizika, historickém vývoji modelů a vybraných statistickým metodách k měření úvěrového rizika dlužníků. Práce se především zaměřujem na využití shlukové analýzy a použití logistické regrese. dále jsou uvedeny nástroje používané k měření efektivity modelů. Závěrečná část je věnována zpracování dat v programovém balíku SAS, obsahuje porovnání výsledků pro různou reprezentaci kategoriálních proměnných a testování výkonnosti v závislosti na velikosti vzorku dat. | cs_CZ |
dc.language | Čeština | cs_CZ |
dc.language.iso | cs_CZ | |
dc.publisher | Univerzita Karlova, Matematicko-fyzikální fakulta | cs_CZ |
dc.title | Modely měření úvěrového rizika dlužníků | cs_CZ |
dc.type | diplomová práce | cs_CZ |
dcterms.created | 2006 | |
dcterms.dateAccepted | 2006-05-26 | |
dc.description.department | Katedra pravděpodobnosti a matematické statistiky | cs_CZ |
dc.description.department | Department of Probability and Mathematical Statistics | en_US |
dc.description.faculty | Matematicko-fyzikální fakulta | cs_CZ |
dc.description.faculty | Faculty of Mathematics and Physics | en_US |
dc.identifier.repId | 42439 | |
dc.title.translated | Credit Scoring Models | en_US |
dc.contributor.referee | Hurt, Jan | |
dc.identifier.aleph | 000847798 | |
thesis.degree.name | Mgr. | |
thesis.degree.level | magisterské | cs_CZ |
thesis.degree.discipline | Financial and insurance mathematics | en_US |
thesis.degree.discipline | Finanční a pojistná matematika | cs_CZ |
thesis.degree.program | Mathematics | en_US |
thesis.degree.program | Matematika | cs_CZ |
uk.thesis.type | diplomová práce | cs_CZ |
uk.taxonomy.organization-cs | Matematicko-fyzikální fakulta::Katedra pravděpodobnosti a matematické statistiky | cs_CZ |
uk.taxonomy.organization-en | Faculty of Mathematics and Physics::Department of Probability and Mathematical Statistics | en_US |
uk.faculty-name.cs | Matematicko-fyzikální fakulta | cs_CZ |
uk.faculty-name.en | Faculty of Mathematics and Physics | en_US |
uk.faculty-abbr.cs | MFF | cs_CZ |
uk.degree-discipline.cs | Finanční a pojistná matematika | cs_CZ |
uk.degree-discipline.en | Financial and insurance mathematics | en_US |
uk.degree-program.cs | Matematika | cs_CZ |
uk.degree-program.en | Mathematics | en_US |
thesis.grade.cs | Velmi dobře | cs_CZ |
thesis.grade.en | Very good | en_US |
uk.abstract.cs | Diplomová práce pojednává o základních rysech úvěrového rizika, historickém vývoji modelů a vybraných statistickým metodách k měření úvěrového rizika dlužníků. Práce se především zaměřujem na využití shlukové analýzy a použití logistické regrese. dále jsou uvedeny nástroje používané k měření efektivity modelů. Závěrečná část je věnována zpracování dat v programovém balíku SAS, obsahuje porovnání výsledků pro různou reprezentaci kategoriálních proměnných a testování výkonnosti v závislosti na velikosti vzorku dat. | cs_CZ |
uk.abstract.en | Diploma t hesis deals with fund ament al attributes of credit risks, hist orie development of models and selected statist ical methods for counter party risk meas urement . The mat erial is focused on aplication of cluster analysis and logisti c regression. Fur ther , it provides overview of meas ur ing the effectivity of models, The final par t present s dat a processing in t he SAS software package, findin gs on influence of categorical data repr esentation to model efficiency and depend ence of model efficicncy on size of underlying development sample. | en_US |
uk.file-availability | V | |
uk.publication.place | Praha | cs_CZ |
uk.grantor | Univerzita Karlova, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistiky | cs_CZ |
dc.identifier.lisID | 990008477980106986 | |