prikaz prve stranice dokumenta Primjena logističke regresije pri procjeni rizičnosti korisnika kredita
Pristup korisnicima matične ustanove
diplomski rad
Primjena logističke regresije pri procjeni rizičnosti korisnika kredita
Zagreb: Sveučilište u Zagrebu, Ekonomski fakultet, 2019. urn:nbn:hr:148:598360
Bojčić, Katja
Sveučilište u Zagrebu
Ekonomski fakultet
Katedra za statistiku

Institucijski repozitorij: REPEFZG

Citirajte ovaj rad

Bojčić, K. (2019). Primjena logističke regresije pri procjeni rizičnosti korisnika kredita (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Ekonomski fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:148:598360

Bojčić, Katja. "Primjena logističke regresije pri procjeni rizičnosti korisnika kredita." Diplomski rad, Sveučilište u Zagrebu, Ekonomski fakultet, 2019. https://urn.nsk.hr/urn:nbn:hr:148:598360

Bojčić, Katja. "Primjena logističke regresije pri procjeni rizičnosti korisnika kredita." Diplomski rad, Sveučilište u Zagrebu, Ekonomski fakultet, 2019. https://urn.nsk.hr/urn:nbn:hr:148:598360

Bojčić, K. (2019). 'Primjena logističke regresije pri procjeni rizičnosti korisnika kredita', Diplomski rad, Sveučilište u Zagrebu, Ekonomski fakultet, citirano: 21.12.2024., https://urn.nsk.hr/urn:nbn:hr:148:598360

Bojčić K. Primjena logističke regresije pri procjeni rizičnosti korisnika kredita [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Ekonomski fakultet; 2019 [pristupljeno 21.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:148:598360

K. Bojčić, "Primjena logističke regresije pri procjeni rizičnosti korisnika kredita", Diplomski rad, Sveučilište u Zagrebu, Ekonomski fakultet, Zagreb, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:148:598360

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:148:598360
Podaci o radu
NaslovPrimjena logističke regresije pri procjeni rizičnosti korisnika kredita
Naslov (engleski)The Use of Logistic Regression in Borrower Risk Assessment
AutorKatja Bojčić
MentorSaša Jakšić (mentor)
Član povjerenstvaSaša Jakšić (predsjednik povjerenstva)
Član povjerenstvaLucija Rogić Dumančić (član povjerenstva)
Član povjerenstvaŽeljko Bogdan (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Ekonomski fakultet
(Katedra za statistiku)
Zagreb
Datum i država obrane2019-09-30, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		DRUŠTVENE ZNANOSTI
Ekonomija
Ekonomska matematika i statistika
Sažetak
Jedan od najčešćih i najprepoznatljivijih rizika u svakodnevnom poslovanju banaka jest kreditni rizik. Izloženost kreditnom riziku potiče banke na mudro i savjesno donošenje odluka s ciljem minimizacije rizika, što zahtjeva upravljanje kreditnim rizikom pomoću, između ostalog, kvantitativnih metoda. Time banka može predvidjeti rane znakove mogućeg nastupanja nepovoljnog događaja te prevenirati, odnosno amortizirati negativne posljedice. Razina kreditnog rizika klijenta često se određuje bankovnim internim kreditnim skoring modelima. Cilj takvih modela je donošenje sofisticiranih odluka kako bi se ustanovilo je li klijent uopće u mogućnosti uredno izvršavati, te u konačnici finalizirati otplatu dodijeljenih novčanih sredstava. Navedeno se najčešće provodi primjenom logističke regresije korištenjem povijesnih podataka i statističkih metoda. Cilj ovog rada je prikazati ulogu kreditnog vrednovanja u procesu donošenja odluka te u programskom jeziku R koristeći statistički skup podataka razvijene ekonomije demonstrirati na koji način model logističke regresije djeluje, uz predstavljanje same njegove uspješnosti usporedbom dobivenih modelom procijenjenih vrijednosti sa stvarnim vrijednostima
Sažetak (engleski)
Credit risk is one of the most common and present risks in the day-to-day operations of banks. Exposure to credit risk encourages banks to make wise and conscientious decisions in order to minimize risk, which requires credit risk management using, among other things, quantitative methods. In this way, the bank can predict early signs of an adverse event and prevent or mitigate possible negative consequences. The client's credit risk level is often determined by the bank's internal credit scoring models. The goal of such models is to allow making sophisticated and rational decisions n oreder to determine clients’ credit worthiness. This is most often done by applying logistic regression using historical data and statistical methods. The purpose of this paper is to present the role of credit scoring in the decision-making process and, in R programming language using a real data, to demonstrate how the logistic regression model works and its performance accuracy by comparing the model's estimated values with the actual values.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:148:598360
Studijski programNaziv: Ekonomija
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra ekonomije (mag.oec.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2019-10-07 17:37:14