Predikce defaultu v souladu s ekonomickou interpretací vlivu vybraných ukazatelů finanční analýzy

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27510%2F15%3A86094168" target="_blank" >RIV/61989100:27510/15:86094168 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Predikce defaultu v souladu s ekonomickou interpretací vlivu vybraných ukazatelů finanční analýzy

Popis výsledku v původním jazyce

Příspěvek je věnován predikci defaultu pomocí logistické regrese. Dosavadní modely a studie jsou většinou sestaveny na malých datových vzorcích a jejich logitové funkce jsou odhadovány jako lineární. V příspěvku je ukázáno, že pokud se pracuje s empirickým vzorkem úvěrového portfolia, pak tyto lineární logitové modely nejsou dostatečně přesné a jejich klasifikační schopnost je slabá. Důvodem je především ta skutečnost, že lineární model nezohledňuje ekonomickou interpretaci použitého prediktoru. Ovšem ani nelineární funkce v podobě frakčních polynomů nejsou vždy dostačujícím řešením. V článku jsou presentována taková rozšíření logitových modelů, aby byla respektována odlišná ekonomická interpretace kladné a záporné hodnoty prediktoru, a stejně tak i jeho různý vliv v rámci skupin subjektů. Na empirickém datovém vzorku je prokázáno, že tyto rozšířené modely mohou výrazně zvýšit klasifikaci subjektů a zpřesnit predikovanou pravděpodobnost defaultu.

Název v anglickém jazyce

Default prediction and coherent impact of financial analysis indicators

Popis výsledku anglicky

The paper is focused on default prediction using logistic regression. Scoring models developed so far are mostly based on relatively small data samples and logit functions used are considered linear. We show that these linear logit models do not fit the empirical data sufficiently and suffer poor classification by reason of the fact that the linear model does not respect the coherent impact of predictors. However, even non-linear function in the form of fractional polynomial does not fit the data sufficiently. Thus, we present extension of logit models to respect the different impact of positive and negative impact of financial indicator as well as its different impact within predefined clusters. We prove on the empirical data sample that these extended models may increase significantly the classification as well as the accuracy of default prediction.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

50202 - Applied Economics, Econometrics

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

Rok uplatnění

2015

Kód důvěrnosti údajů

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

Název statě ve sborníku

Financial Management of Firms and Financial Institutions : 10th international scientific conference : 7th - 8th September 2015, Ostrava, Czech Republic : proceedings. [Part I - IV]

ISBN

978-80-248-3865-6

ISSN

2336-162X

e-ISSN

neuvedeno

Počet stran výsledku

10

Strana od-do

1387-1396

Název nakladatele

VŠB - Technical University of Ostrava

Místo vydání

Ostrava

Místo konání akce

Ostrava

Datum konání akce

7. 9. 2015

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

000376799500171