Comparison of approaches to creating credit scoring models

This work is focused on the management of a credit risk related to the traditional bank lending business to individuals. The paper deals with a theory of measuring risk with help of PD (Probability of Default) parameter when different scoring models are used. The goal is to outline an issue with the credit risk and its management in general, attention is paid to details of a process of creating scoring models. There are three specific modeling techniques listed, namely logistic regression, decision trees and neural networks. Methods are explained in detail and are given possibilities of mutual comparison. The application part is devoted to the evaluation and comparison of credit scoring models based on these methods.Tato práce je zaměřena na řízení přímého úvěrového rizika, které vzniká bance při klasických úvěrových obchodech vůči fyzickým osobám. Zabývá se teorií ohodnocení rizika parametrem PD (Probability of Default) na základě různých scoringových modelů. Cílem práce je uvedení do problematiky úvěrového rizika a jeho řízení obecně, pozornost je věnována detailnímu postupu tvorby scoringového modelu. Jsou uvedeny 3 konkrétní modelovací techniky a to logistická regrese, rozhodovací stromy a neuronové sítě. Metody jsou podrobně vysvětleny a jsou uvedeny možnosti jejich vzájemného porovnání. Aplikační část práce je věnována vyhodnocení a srovnání scoringových modelů postavených na uvedených metodách