Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Comparison of Credit Scoring Models on Probability of Default Estimation for US Banks

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27510%2F13%3A86082949" target="_blank" >RIV/61989100:27510/13:86082949 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Comparison of Credit Scoring Models on Probability of Default Estimation for US Banks

  • Popis výsledku v původním jazyce

    This paper is devoted to the estimation of the probability of default (PD) as a crucial parameter in risk management, requests for loans, rating estimation, pricing of credit derivatives and many others key financial fields. Particularly, in this paper we will estimate the PD of US banks by means of the statistical models, generally known as credit scoring models. First, in theoretical part, we will briefly introduce the two main categories of credit scoring models, which will be afterwards used in application part ? linear discriminant analysis and regression models (logit and probit), including testing the statistical significance of estimated parameters. In the main part of the paper we will work with the sample of almost three hundred U.S. commercial banks which will be separate into two groups (non-default and default) on the basis of historical information. Subsequently, we will stepwise apply the mentioned above scoring models on this sample to derive several models for estimati

  • Název v anglickém jazyce

    Comparison of Credit Scoring Models on Probability of Default Estimation for US Banks

  • Popis výsledku anglicky

    This paper is devoted to the estimation of the probability of default (PD) as a crucial parameter in risk management, requests for loans, rating estimation, pricing of credit derivatives and many others key financial fields. Particularly, in this paper we will estimate the PD of US banks by means of the statistical models, generally known as credit scoring models. First, in theoretical part, we will briefly introduce the two main categories of credit scoring models, which will be afterwards used in application part ? linear discriminant analysis and regression models (logit and probit), including testing the statistical significance of estimated parameters. In the main part of the paper we will work with the sample of almost three hundred U.S. commercial banks which will be separate into two groups (non-default and default) on the basis of historical information. Subsequently, we will stepwise apply the mentioned above scoring models on this sample to derive several models for estimati

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    AH - Ekonomie

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/EE2.3.20.0296" target="_blank" >EE2.3.20.0296: Výzkumný tým pro modelování ekonomických a finančních procesů na VŠB-TU Ostrava</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2013

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Prague Economic Papers

  • ISSN

    1210-0455

  • e-ISSN

  • Svazek periodika

    22

  • Číslo periodika v rámci svazku

    2

  • Stát vydavatele periodika

    CZ - Česká republika

  • Počet stran výsledku

    19

  • Strana od-do

    163-181

  • Kód UT WoS článku

    000321990300002

  • EID výsledku v databázi Scopus