prikaz prve stranice dokumenta Multinomna logistička regresija u kreditnom skoringu
  Preuzmi
PDF 243.38 KB
diplomski rad
Multinomna logistička regresija u kreditnom skoringu
2017. urn:nbn:hr:126:427213
Andabaka, Zana
Sveučilište Josipa Jurja Strossmayera u Osijeku
Odjel za matematiku
Zavod za teorijsku matematiku i metodiku nastave matematike
Katedra za vjerojatnost, matematičku statistiku i podatkovnu znanost

Citirajte ovaj rad

Andabaka, Z. (2017). Multinomna logistička regresija u kreditnom skoringu (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:126:427213

Andabaka, Zana. "Multinomna logistička regresija u kreditnom skoringu." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku, 2017. https://urn.nsk.hr/urn:nbn:hr:126:427213

Andabaka, Zana. "Multinomna logistička regresija u kreditnom skoringu." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku, 2017. https://urn.nsk.hr/urn:nbn:hr:126:427213

Andabaka, Z. (2017). 'Multinomna logistička regresija u kreditnom skoringu', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku, citirano: 23.12.2024., https://urn.nsk.hr/urn:nbn:hr:126:427213

Andabaka Z. Multinomna logistička regresija u kreditnom skoringu [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku; 2017 [pristupljeno 23.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:126:427213

Z. Andabaka, "Multinomna logistička regresija u kreditnom skoringu", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku, Osijek, 2017. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:126:427213

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:126:427213
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovMultinomna logistička regresija u kreditnom skoringu
AutorZana Andabaka
MentorNataša Šarlija (mentor)
MentorMirta Benšić (komentor)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Odjel za matematiku
(Zavod za teorijsku matematiku i metodiku nastave matematike)
(Katedra za vjerojatnost, matematičku statistiku i podatkovnu znanost)
Osijek
Datum i država obrane2017-05, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		PRIRODNE ZNANOSTI
Matematika
Financijska i poslovna matematika
Sažetak
Jedna od metoda kvantitativne kreditne analize je logistička regresija kojom se klijent svrštava u jednu od dvije kategorije, u dobre ili loše. Podaci o srednjim klijentima, iako postoje u bazi klijenata svake banke, uglavnom su isključeni u procesu kreditnog skoringa. Mnoge studije do sada nisu pokazale značajnost upotrebe srednjih klijenata pri kreiranju kredit skoring modela, uglavnom zbog toga sto je slabija granica među definicijama dobrih, srednjih i loših, te su konačne procjene manje točne od procjena koje bi dao logistički model u kojem su srednji izostavljeni. U ovom radu ispitat ćemo značajnost upotrebe srednjih na bazi klijenata jedne banke, na način da ćemo kreirati multinomni logistički model u kojem ovisna varijabla ima tri kategorije, dobre, srednje i loše, te binomni model samo s dobrim i lošim klijentima. Te ćemo usporediti rezultate.
Sažetak (engleski)
One of quantitative credit analysis methods is logistic regression where the client is classified into the one of two categories, good or bad. Although there are data of poor clients in the database of any bank. They are generally excluded in the process of credit scoring. Many studies so far haven’t shown the importance of using poor clients in credit scoring model, mainly because the lower boundary between definitions of good, poor and bad, so the final estimates are less accurate than estimates obtained by logistic model in which poor are omitted. In this article we will examine the significance of use poor clients of a bank, in a way that will create a multinomial logistic model in which the dependent variable has three categories, good, poor and bad, and the binomial model only with good and bad customers. Than the results will be compared.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:126:427213
Studijski programNaziv: Matematika; smjerovi: Financijska matematika i statistika, Matematika i računarstvo, Industrijska i primijenjena matematika
Smjer: Financijska matematika i statistika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra matematike (mag.math.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2017-05-04 06:34:11