Využití Bayesovských sítí v řízení kreditních rizik

Doležel, Pavel

Publikace:
Využití Bayesovských sítí v řízení kreditních rizik

Diplomová práceopen access

dc.contributor.advisor	Heckenbergerová, Jana
dc.contributor.author	Doležel, Pavel
dc.contributor.referee	Boháčová, Hana
dc.date.accepted	2025-08-28
dc.date.accessioned	2025-09-08T08:56:26Z
dc.date.issued	2025
dc.date.submitted	2025-07-29
dc.description.abstract	Práce pojednává o využití technik Bayesovských sítí v řízení kreditních rizik v bankách a finančních institucích. Zejména pak při odhadování rizikového parametru pravděpodobnosti selhání, který je používán pro výpočet kapitálového požadavku, pro výpočet očekávané ztráty, tedy pro povinné oprávkování úvěrových portfolií a ve schvalovacím úvěrovém procesu. Součástí práce je teoretický úvod do Bayesovských sítí, jejich aplikace na konkrétní data prostřednictvím odhadu modelu pravděpodobnosti selhání, vyhodnocení vlastností tohoto modelu a vysvětlení výhod použití Bayesovských sítí oproti standardně používaným prediktivním modelům, zejména logistické regresi.	cze
dc.description.abstract-translated	The thesis deals with the use of Bayesian network techniques in credit risk management in banks and financial institutions. In particular, within the estimation of the risk parameter of probability of default, which is used for calculating capital adequacy, calculating expected loss and hence for loan portfolios mandatory provisioning and within a loan approval process. The thesis includes theoretical introduction to Bayesian networks, their application to specific data through estimation of probability of default, evaluation of the properties of the resulting model and explanation of advantages of Bayesian networks compared to standard predictive models, especially logistic regression.	eng
dc.description.defence	Student přednesl téma své DP Využití Bayesovských sítí v řízení kreditních rizik, vedoucí a oponent v posudcích DP pokládají následující otázky či náměty: V oblasti řízení rizik se používají i metody strojového učení (neuronové sítě, SVM, gradient boosting atd.), které popisujete jen okrajově. Jaké jsou jejich výhody a nevýhody v porovnání s Bayesovskými sítěmi? Můžete prosím, dle svých profesních zkušeností, odhadnout rozdělení typů modelů v oblasti kreditního rizika? Kolik procent institucí používá logistickou regresi, jak často se využívají metody strojového učení a jaká část celku patří Bayesovským modelům? Zvolil jste si náročné téma a vypořádal jste se s ním obdivuhodným způsobem. Mohl byste, prosím, uvést, co vás vedlo k volbě tohoto tématu a zda máte v plánu využívat bayesovské sítě i po skončení studia? Otázky a náměty z rozpravy: Jaké odlišné proměnné jste zvolil v provedených modelech a proč? Jaké jsou největší bariéry pro zavedení Bayesovský sítí v oblasti financí? Student otázky zodpověděl.	cze
dc.description.department	Fakulta ekonomicko-správní	cze
dc.description.grade	Dokončená práce s úspěšnou obhajobou	cze
dc.format	135 s.
dc.identifier.stag	47562
dc.identifier.uri	https://hdl.handle.net/10195/85695
dc.language.iso	cze
dc.publisher	Univerzita Pardubice	cze
dc.rights	Bez omezení
dc.subject	Bayesovská síť	cze
dc.subject	úvěrové riziko	cze
dc.subject	pravděpodobnost selhání	cze
dc.subject	acyklický orientovaný graf	cze
dc.subject	struktury podmíněné nezávislosti	cze
dc.subject	IRB přístup	cze
dc.subject	Bayesian network	eng
dc.subject	credit risk	eng
dc.subject	probability of default	eng
dc.subject	acyclic directed graph	eng
dc.subject	structures of conditional independence	eng
dc.subject	IRB approach	eng
dc.thesis.degree-discipline	Ekonomika a management podniku	cze
dc.thesis.degree-grantor	Univerzita Pardubice. Fakulta ekonomicko-správní	cze
dc.thesis.degree-name	Ing.
dc.thesis.degree-program	Ekonomika a management	cze
dc.title	Využití Bayesovských sítí v řízení kreditních rizik	cze
dc.title.alternative	Using Bayesian Networks in Credit Risk Management	eng
dc.type	diplomová práce	cze
dspace.entity.type	Publication