Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

Refine search results

Journals help
Authors help
Years help

Results found: 48

first rewind previous Page / 3 next fast forward last

Search results

Search:
in the keywords:  ryzyko kredytowe
help Sort By:

help Limit search:
first rewind previous Page / 3 next fast forward last
PL
Ryzyko kredytowe stanowi największe zagrożenie dla prawidłowej działalności banku, a dla zabezpieczenia się przed jego materializacją banki przeznaczają blisko 90% całkowitego wymo-gu kapitałowego. Koncentracja ekspozycji kredytowych wobec pojedynczych podmiotów, a także wobec jednego sektora gospodarczego może być źródłem dodatkowego ryzyka. W badaniach oszacowano stopień podmiotowej i sektorowej koncentracji portfela kredytowego w wybranych bankach w Polsce w latach 2008-2013. Wyniki wskazują, że wszystkie banki lepiej dywersyfikują ryzyko ze względu na strukturę podmiotową niż sektorową portfela kredytowego. Duże uniwersalne banki posiadają bardziej zdywersyfikowany portfel kredytowy niż banki korporacyjne. W okresach pogorszenia się koniunktury większość banków ogranicza kredytowanie do dochodowych podmiotów i sektorów gospodarczych, co prowadzi jednak do wzrostu koncentracji ryzyka kredytowego i zagrożenia sytuacji finansowej banków.
PL
Właściwy system instytucjonalny oraz odpowiednie regulacje mogą odgrywać istotną rolę w wspieraniu eksportu, w szczególności w zakresie dostępności finansowania eksportu. W Polsce Ustawa z dnia 7 lipca 1994 r. o gwarantowanych przez Skarb Państwa ubezpieczeniach eksportowych (tj. Dz.U. z 2020 r., poz. 1135) jest ważnym aktem prawnym kształtującym system wsparcia eksportu. Przeprowadzona analiza zapisów ustawy wskazuje potrzebę wielu zmian, które zdaniem autorów doprowadzą do wzmocnienia systemu finansowania eksportu w Polsce. Zmiany te dotyczą katalogu produktów oraz ich dostępności, a ich szybkie przeprowadzenie zdaniem autorów przełoży się większe wykorzystanie instrumentów wsparcia eksportu. Celem artykułu jest wykazanie, dlaczego dla rozbudzenia szerszego zainteresowania rynku oficjalnym wsparciem eksportu konieczna jest gruntowna nowelizacja tej Ustawy oraz przedstawienie propozycji zmian regulacji, które doprowadzą do wzmocnienia systemu wsparcia eksportu w Polsce. ubezpieczenia eksportowe, finansowanie eksportu, kredyty eksportowe, ryzyko kredytowe
PL
W artykule omówiono zagadnienia związane z wykorzystaniem scoringu kredytowego w banku. Zdefiniowano pojęcie scoringu kredytowego oraz opisano jego podstawowe rodzaje, wyszczególniając scoring aplikacyjny i behawioralny. Scharakteryzowano indywidualne oraz ogólne modele scoringowe. Szczególną uwagę zwrócono na proces monitorowania modelu oraz omówiono czynniki warunkujące jakość metod scoringowych. Na przykładzie systemu scoringowego wdrożonego w Banku Millennium S.A. przedstawiono wpływ scoringu na jakość portfela kredytowego banku.
EN
The article presents issues related to the use of credit scoring in the bank. In this paper has been defined the concept of credit scoring and described the basic types, detailing the application and behavioural scoring. There have been also characterized individual and generic scoring models. Particular attention was paid to the monitoring process, as well the factors influencing the quality of scoring methods have been discussed. Analysis of influence of credit scoring on credit portfolio quality was based on example from the scoring system implemented at Bank Millennium SA.
4
100%
PL
Na rynku finansowym istnieje wiele rodzajów instrumentów transferu ryzyka kredytowego. Jednym z nich jest ubezpieczenie, dzięki któremu za cenę składki ubezpieczeniowej następuje transfer ryzyka kredytowego na wyspecjalizowany podmiot, jakim jest zakład ubezpieczeń. Celem artykułu jest wskazanie znaczenia ubezpieczenia jako instrumentu transferu ryzyka kredytowego oraz analiza polskiego rynku ubezpieczenia kredytu i gwarancji ubezpieczeniowych.
PL
W publikacji przedstawiono wyniki badań dotyczących ryzyka kredytowego w działalności inwestycyjnej zakładów ubezpieczeń prowadzących działalność w krajach Unii Europejskiej w latach 2007–2011. Analizie poddano strukturę portfela inwestycji zakładów ze szczególnym uwzględnieniem ryzyka kredytowego, będącego pochodną struktury portfela lokat. Wskazano korzyści i zagrożenia związane z oceną ryzyka kredytowego portfela inwestycji zakładów ubezpieczeń na potrzeby szacowania wymogu kapitałowego SCR
PL
Rating jest powszechnie wykorzystywanym narzędziem na rynku finansowym. Obok zastosowaniago dla celów tworzenia portfela inwestycyjnego czy określenia wymogów kapitałowychcoraz szersze staje się wykorzystanie ratingu w umowach prywatnych między dawcą i biorcąkapitału, tzw. klauzulach rating triggers. Zasadniczym celem opracowania jest przedstawieniedowodów na prawdziwość tezy, iż klauzule te, tworzone w celu ochrony kapitału kredytodawcy,mogą de facto prowadzić do poważnych zagrożeń zarówno dla kredytodawcy, kredytobiorcy,a w określonych warunkach nawet dla stabilności całego rynku. W niniejszym opracowaniu autorkawyjaśnia czym są klauzule rating triggers, dokonuje klasyfikacji podstawowych rodzajówwyzwalaczy ratingowych ze względu na konsekwencje, jakie niosą dla kredytobiorców oraz opisujejedno z najpoważniejszych zagrożeń związanych z tymi klauzulami, a mianowicie zjawiskocredit cliff. Artykuł kończy się analizą przypadków credit cliff potwierdzających destrukcyjny wpływ aktywowania się tego rodzaju klauzuli zarówno na podmiot je podpisujący jak i na rynek jako całość.
EN
The paper deals with the problem whether and to what extent multivariate linear discriminant analysis (MDA) are suitable for the credit investigation of companies. Sometimes in cases of credit evaluation, formalised methods aiming at the objectification and rationalisation of that operation are made use of. More often than not, statistical methods serve as formalised methods, but methods of pattern recognition are also employed. So far, the statistical method оГ the MDA has frequently and successfully been used for the purpose of credit evaluation. 110 data records, each of which represents the annual financial statements of - a company lormed the basis of the inquiry. The annual financial statements analysed were prepared in accordance with the regulation of the GUS (Central Statistical Office).
PL
W artykule przedstawiono możliwości wykorzystania analizy dyskryminacyjnej do klasyfikacji wniosków kredytowych, a właściwie wspomagania procesu decyzyjnego inspektorów kredytowych. Rezultaty badań empirycznych pokazują, że wielowymiarowa analiza dyskryminacyjna może być wykorzystywana do tego celu.
PL
Celem artykułu jest analiza determinant mających wpływ na credit rating banków należących do strefy euro. W związku z tym dokonano przeglądu literaturowego, na podstawie którego postawiono hipotezę: istotny statystycznie wpływ na credit rating danego banku wywierają wskaźniki jakości aktywów, zyskowności, płynności, adekwatności kapitałowej. Do weryfikacji postawionej hipotezy zastosowano logitowe modele panelowe. Do badania zebrano informacje na temat publikacji długoterminowych ratingów kredytowych banków w latach 1998-2015. Credit ratingi zdekodowano liniowo na dane o charakterze liczbowym. Jako zmienne niezależne wykorzystano wskaźniki finansowe. Do badania użyto danych kwartalnych. Niezbędne dane pozyskano z bazy Thomson Reuters
9
89%
PL
Zarządzanie ryzykiem kredytowym stanowi kluczowy element w zarządzaniu bankiem. Do zarządzania ryzykiem kredytowym wykorzystywane są modele statystyczne tzw. Modele scoringowe i ratingowe. Do oceny ryzyka kredytowego przedsiębiorstw wykorzystuje się modele ratingowe. Składową modeli ratingowych są modele ilościowe (oparte na wskaźnikach finansowych) oraz modele jakościowe (oparte na ankiecie jakościowej). Do budowy modeli ilościowych wykorzystuje się modele statystyczne i ekonometryczne, głównie modele regresji logistycznej. W artykule omówione zostały modele statystyczne do oceny ilościowej wraz z przykładem empirycznym opartym na danych dla próby MŚP udostępnionej przez jeden z polskich banków. Wykorzystano model regresji logistycznej ze zmienną nominalną – region działalności, uwzględniający zróżnicowanie terytorialne. Pokazana została konstrukcja modelu uwzględniającego zarówno branże działalności, jak i region działalności.
EN
Credit risk management is a key element in bank management. For credit risk management, statistical models are used, the so‑called scoring and rating models. For enterprise risk assessment, rating models are used. Rating models consist of quantitative models (based on financial ratios) and qualitative models (based on a questionnaire). For estimation of quantitative models, econometric and statistical models are used, mainly logistic regression models. In this paper, statistical models for quantitative assessment are presented, including an empirical example based on the sample of data for SMEs made available by one of Polish banks. A logistic regression model with a nominal variable – the region of activity, including territorial differences, was used. The construction of rating model was presented, including the sector and region of activity.
EN
The paper refers to the probability of default model validation procedure in retail banking. The author presents the idea of backtesting analysis focusing on sensitivity analysis of capital requirements under stress scenarios. The paper addresses statistical methods which can be applied in credit risk management under the backtesting exercise in retail banking. The advantages and drawbacks of specific approaches are discussed. Furthermore, the outcomes of the empirical implementation of selected methods are presented. The author considers the impact of positive asset correlation on various validation approaches, where no correlation is assumed, and proves that the zero-correlation assumptions may result in a more prudent approach. This finding was confirmed by the empirical analysis performed for retail portfolios. The research concerned PD parameters calculated for car and mortgage loans. The backtesting results revealed that PD forecasts created for mortgage portfolios underestimated credit risk during the crisis period which started in 2008. However, car loan portfolio credit risk predictions appeared to be robust.
PL
W niniejszym artykule odniesiono się do zagadnienia weryfikacji jakości modeli służących do szacowania prawdopodobieństwa niewypłacalności w bankowości detalicznej. Autor przedstawił koncepcję analizy backtesting w świetle wrażliwości wymogów kapitałowych w odniesieniu do testowania warunków skrajnych. W artykule odniesiono się do zagadnienia weryfikacji jakości prognoz modeli służących do szacowania prawdopodobieństwa niewypłacalności. Przedstawiono i omówiono wyniki wybranych metod. Autor omówił również wpływ dodatniej korelacji aktywów na uzyskane wyniki. Wykazał, że założenie zerowej korelacji może skutkować bardziej konserwatywnymi wynikami. Ustalenie to potwierdzono przez analizę empiryczną przeprowadzoną dla portfeli detalicznych. Badanie dotyczyło parametrów PD szacowanych dla portfeli kredytów samochodowych oraz hipotecznych. Otrzymane wyniki wykazały, że prognozy PD opracowane dla portfela kredytów hipotecznych niedoszacowują ryzyko kredytowe. Prognozy ryzyka kredytowego dla portfela kredytów samochodowych okazały się trafne.
11
75%
EN
The aim of this publication was to analyze the impact of the countires’ credit ratings at the cost of capital. The article was carried out the analysis and review of the existing world literature on the above subject. Authors used a static panel data models for the 135 countries in the period of 2002–2012. As the independent variables were the long- and short-term credit ratings awarded by rating agencies: Standard & Poor’s and Moody’s Investor Service. Credit ratings was converted linearly to the numeric variables. The publication examines how credit ratings and history of credit events affect: the interest rate and maturity of new external debt obligations (public and private), interest rates on deposits and loans, the spreads of interest rates, real interest rates and credit risk premium.
PL
Celem niniejszej publikacji była analiza wpływu ratingów kredytowych krajów na koszt kapitału. W artykule została przeprowadzona analiza i przegląd istniejącej literatury światowej na powyższy temat. Autorzy zastosowali statyczne modele panelowe dla 135 krajów w latach 2002–2012. Jako zmienne niezależne wykorzystano długo- i krótkoterminowe ratingi kredytowe przyznawane przez agencje ratingowe: Standard & Poor’s i Moody’s Investor Service. Ratingi kredytowe skonwertowano liniowo na zmienne numeryczne. W publikacji przeanalizowano jak ratingi kredytowe i historia zdarzeń kredytowych wpływa na: oprocentowanie i zapadalność nowych zewnętrznych zobowiązań dłużnych (publicznych i prywatnych), oprocentowanie lokat i kredytów, spready stóp procentowych, realne stopy procentowe i premię za ryzyko kredytowe.
PL
W grudniu 2008r. Komisja Nadzoru Finansowego (KNF) przyjęła Rekomendację S (II) dotyczącą dobrych praktyk w zakresie ekspozycji kredytowych zabezpieczonych hipotecznie. Akt ten, będący zbiorem zaleceń dla banków, reguluje zasady identyfikacji, zarządzania i nadzoru nad ryzykiem kredytowym pochodzącym od ekspozycji kredytowych zabezpieczonych hipotecznie. W artykule wskazano mankamenty Rekomendacji S (II) związane z definicją wskaźnika LtV, będącego jednym z mierników opisujących wielkość ryzyka kredytowego, poddając jednocześnie pod dyskusję ewentualne doprecyzowanie zapisów zaleceń KNF.
XX
In December 2008 Financial Supervision Authority (KNF) has adopted Recommendation S (II) concerned with good practices in the credit exposures secured by mortgages. This act, which is a set of recommendations for banks, regulates the rules for identification, management and supervision of credit risk derived from credit exposures secured by mortgages. The article points out weaknesses in Recommendation S (II) associated with the definition of LtV ratio, which is one of the indicators of the credit risk scale and considers the possibility of clarifying the KNF recommendations.
13
75%
PL
Ryzyko kredytowe jest nieodłącznym elementem działalności, które wpływa na funkcjonowanie każdego banku. Zgodnie z definicją Komisji Nadzoru Finansowego, jest to „ryzyko nieoczekiwanego niewykonania zobowiązania lub pogorszenia się zdolności kredytowej zagrażającej wykonaniu zobowiązania”. Celem rozważań jest próba zebrania i przedstawienia uporządkowanej wiedzy dotyczącej problematyki ryzyka kredytowego, jego klasyfi kacji, czynników wpływających na nie, a także zarządzania nim. Artykuł może przyczynić się do lepszego poznania problemu ryzyka kredytowego, jak również może stanowić podstawę do dalszych badań i analiz związanych z ryzykiem kredytowym występującym w działalności bankowej. Metodologia zastosowana w artykule to studium literaturowe przeprowadzone na podstawie krajowej literatury przedmiotu oraz źródeł internetowych.
EN
The credit risk is an inseparable element of activity, which aff ects the functioning of every bank. According to the defi nition of the Financial Supervision Authority, this is “the risk of an unexpected failure to perform the obligation or deterioration of the credit capacity threatening performance of the obligation”. An aim of considerations is an attempt to collect and present the arranged knowledge about the credit risk, its classifi cation, the factors aff ecting it, and management thereof. The article may contribute to a better learning of the credit risk problem as well as it may be a basis for further research and analyses related to the credit risk occurring in banking activity. The methodology applied in the article is a literature study carried out on the grounds of the national literature of the subject and Internet sources.
Bezpieczny Bank
|
2018
|
vol. 70
|
issue 1
124-145
PL
Celem artykułu jest przedstawienie rynku kredytów hipotecznych w krajach Unii Europejskiej pod względem rodzaju i wysokości stopy procentowej oraz analiza kosztów obsługi kredytów na zmianę stóp procentowych. W krajach wysoko rozwiniętych dominują kredyty hipoteczne oparte na stałej stopie procentowej, które w znacznej mierze są finansowane poprzez emisje długoterminowych obligacji i listów zastawnych. Z kolei w państwach rozwijających się występują głównie kredyty oparte na zmiennym oprocentowaniu, finansowane przede wszystkim depozytami klientów. Przeprowadzona w części empirycznej analiza zmiany kosztów obsługi kredytów hipotecznych na zmiany stóp procentowych wykazała, że wzrost stopy procentowej o 1 pkt. proc. może spowodować wzrost raty kredytowej o 13,88% oraz wskaźnika Debt to Income o 6,63 pkt. proc. Stanowi to szczególne zagrożenie dla polskiego rynku bankowego, na którym udzielane są wyłącznie kredyty na zmienną stopę procentową. Stworzenie długoterminowego rynku kredytów hipotecznych opartego na stałej stopie procentowej może zmniejszyć skumulowane ryzyko w polskim sektorze bankowym.
EN
This paper is aimed at comparing mortgage loans (among other type and level of interest rate) in selected European countries, as well as conducting sensitivity analysis of changes in the value of credit instalments in the situation of rising interest rates. Fixed rate mortgage loans have dominated in many highly developed countries, which were largely financed by long-term bonds and covered bonds. In turn adjustable rate mortgages have mainly dominated in developing countries , primarily financed by customers deposits. The analysis of credit instalments cost has shown that interest rate increase by 1 p.p. could lead to rise of credit instalments by 13,88% and Debt to Income indicator by 6,63 p.p. This is a particular threat to Poland, in which all of newly granted mortgage loans were taken at variable interest rates. A long-term mortgage market based on a fixed interest rate would reduce cumulative risk in the Polish banking sector.
PL
Artykuł koncentruje się na ocenie wybranych metod kwantyfikacji ryzyka płynności, na które oddziałuje szerokie spektrum czynników ryzyka, w tym zwłaszcza ryzyko kredytowe. Pod uwagę wzięto następujące formy wpływu ryzyka kredytowego na ryzyko płynności: (1) zaburzenia wpływu środków związane z pogorszeniem się jakości portfela kredytowego, skutkujące wzrostem luki płynności i koniecznością konwersji płynnych aktywów na środki pieniężne lub pozyskania dodatkowego finansowania zewnętrznego; (2) wzrost ryzyka kredytowego banku (pasywne ryzyko kredytowe) skutkujący zaburzeniami w procesie pozyskiwania finansowania zewnętrznego i wzrostem jego kosztu; (3) wzrost ryzyka kredytowego emitentów papierów wartościowych zaliczanych dotychczas do zasobu aktywów płynnych (HQLA), którego konsekwencją jest wzrost ryzyka ich upłynnienia bez znacznego dyskonta. Większość zaprezentowanych w artykule metod pomiaru ryzyka płynności nie uwzględnia wpływu ryzyka kredytowego na stabilność przepływów pieniężnych, co stawia pod znakiem zapytania ich precyzję i determinuje postulat dokonania korekty wyników o potencjalne oddziaływanie zarówno aktywnego, jak i pasywnego ryzyka kredytowego.
EN
The article focuses on the evaluation of selected methods of quantifying liquidity risk which is affected by a broad spectrum of risk factors, including in particular the credit risk. The following forms of impact of credit risk on liquidity risk were taken into consideration: (1) problems related to the influence of the deterioration of the quality of bank’s loan portfolio, resulting in an increase in liquidity gap and a need to convert liquid assets into cash or obtain additional external financing, (2) an increase in credit risk of the bank (passive credit risk) resulting in disturbances in the process of obtaining external financing and an increase of its cost, (3) an increase in credit risk of issuers of securities until now classified as a resource of liquid assets (HQLA), the consequence of which is an increased risk of disposing of them. Most of the methods of liquidity risk measurement presented in this article exclude the impact of credit risk on the stability of cash flow, which questions their accuracy and determines the need for the correction of the results with regards to the potential impact of both active and passive credit risk.
PL
W badaniu określono wpływ kredytów zagrożonych (ang. NPL - non performing loans) na rentowność banków komercyjnych w Ghanie w latach 2009–2018. Czynniki wyjaśniające NPL zawierają istotne informacje dla banków. Wyniki analizy wskazują, że wpływ kredytów zagrożonych na rentowność nie jest statystycznie istotny: efektywność kosztów operacyjnych i zwrot z kapitału własnego mają dodatni i statystycznie istotny związek z rentownością. Próba obejmowała sektor bankowy (banki komercyjne) w okresie 2009–2018. Czynniki te obejmują zwrot z aktywów jako funkcję stosunku kredytów zagrożonych, ryzyko kredytowe, kurs walutowy, inflację, bezrobocie i wielkość banku jako zmienną kontrolną. Oszacowania dokonano za pomocą regresji przy użyciu wielowymiarowej regresji liniowej za pomocą oprogramowania SPSS. W badaniu wzięto pod uwagę ograniczone wskaźniki bankowe jako wyznaczniki kredytów zagrożonych i ograniczono się do określonego przedziału czasowego 2009–2018. Wyniki przeprowadzonej regresji wskazują, że na rentowność banków duży wpływ ma wzrost liczby kredytów zagrożonych. Wielowymiarowa regresja liniowa pokazuje, że rentowność ma pozytywny, nieistotny wpływ na kredyty zagrożone. Z drugiej strony efektywność kosztów operacyjnych i zwrot z kapitału mają dodatni i statystycznie istotny związek z rentownością. W związku z tym, gdy wydatki sektora bankowego są wyższe w porównaniu z jego przychodami, ogólny zysk banków byłby niski, co miałoby wpływ na zagrożone kredyty banków. Dlatego też koszty operacyjne powinny być utrzymywane na jak najniższym poziomie.
EN
This study examined the influence of non-performing loans on Ghana commercial banks’ profitability in the 2009–2018 period. The factors that explain the NPL contain very essential information for banks. The results indicate that the effect of non-performing loans on profit-ability is not statistically significant: operating expense efficiency and return on equity, have a positive and statistically significant relationship with profitability. The sample consisted of the banking sector (commercial banks) in the 2009–2018 period. The factors include return on assets as a function of the ratio of non-performing loans, credit risk, exchange rate, inflation, unemployment, and bank size as a control variable. The estimation was done by regression using multivariate linear regression through SPSS software.The study considered limited banking indicators as determinants of non-performing loans and was limited to the specific 2009–2018 time frame. The regression results indicate that bank profitability is strongly impacted by the increase in non-performing loans. The multivariate linear regression shows that profitability has a positive insignificant influence on non-performing loans. On the other hand, operating expense efficiency and return on equity have a positive and statistically significant relationship with profitability. Hence, when the banking sector’s expenses are higher as compared to its revenue, the banks’ overall profit would be low, impacting non-performing loans of the banks. The operating expenses should therefore be maintained as low as possible.
PL
Celem pracy stało się zweryfikowanie różnic w estymacji czynników wpływających na credit rating banków nadawanych tym samym podmiotom przez dwie agencje ratingowe. Dokonano przeglądu literaturowego na temat zjawiska inflacji credit ratingów oraz zakupu not przez emitentów. Postawiono następujące hipotezy badawcze: 1) Credit rating banków nadawany przez dwie agencje ratingowe determinowany jest istotnością statystyczną różnych wskaźników finansowych banków. 2) Im większa agencja ratingowa, tym bardziej optymistyczne oceny. Do badania zebrano dane dotyczące credit ratingów banków oraz wskaźników finansowych dla lat 1998–2015 w ujęciu kwartalnym i porównano wyniki dla poszczególnych grup agencji ratingowych. Próbę podzielono na trzy podpróby, mianowicie na noty nadawane jednocześnie przez S&P i Moody, S&P i Fitch oraz Moody i Fitch. Do badania wykorzystano uogólnione modele panelowe.
EN
The aim of the paper was to verify the differences in the estimation of the factors affecting the banks’ credit ratings given the same issuers by two different rating agencies. The literature about the credit ratings’ inflation phenomenon and the credit ratings shopping has been reviewed. The following hypotheses have been put forward: Banks’ credit ratings assigned by the two rating agencies determined the significance of various financial ratios. The bigger the rating agency, the more optimistic assessment. For the purposes of the study, data have been collected on banks’ credit ratings and their financial indicators for the years 1998–2015 on a quarterly basis and results have been compared for individual groups of credit rating agencies. The sample has been divided into three sub-samples, namely notes broadcast simultaneously by S&P and Moody, S&P and Fitch, and Moody and Fitch. In the study, the ordinary probit panel data models have been used.
EN
One of the manifestations of banking activity is the granting of loans. A bank that grants a loan to a customer takes some risk, which means the probability of the bank losing part or all of the loan granted together with the interest due. In the article, the author looks for answers to the following questions: what are the determinants of banking risk in relation to individual loans? What is banking policy and individual loan risk management in minimizing potential losses?
PL
Jednym z przejawów działalności bankowej jest udzielanie kredytów. Bank przyznający kredyt klientowi podejmuje pewne ryzyko, które oznacza prawdopodobieństwo utraty przez bank części lub całości udzielonego kredytu wraz z należnymi odsetkami. Autor w artykule poszukuje odpowiedzi na następujące pytania: jakie są determinanty ryzyka bankowego w zakresie kredytów indywidualnych? Na czym polega polityka bankowa i zarządzanie ryzykiem kredytów indywidualnych w minimalizowaniu potencjalnych strat?
EN
Management of credit risk, one of the main bank activities, is currently a very important issue. This paper contains comparison of two instruments used in prediction of probability that consumer fails to fully repay a loan in agreed time: artificial neural networks and models for polychotomous ordered data. For the empirical research each client has been assigned to one of four categories reflecting his/her delay in payments. Estimation and validation of methods was performed on a 3000-item sample containing information about each loan agreement and repayment history originating from one of Polish banks, covering years 2000-2001. The dataset was repeatedly divided into train and validation sets. Multi-layer architecture of artificial neural network with logistic activation function was proposed. Ordered logit and probit models were estimated within maximum likelihood framework. Several alternative specifications were proposed differing in independent variable set (including their products and squares). Bank income was chosen as the main criterion of fitness. Problem of optimal decision and defining appropriate loss function was formulated on the basis of statistical decision theory. Furthermore, properties of estimated models related to inference about probability of repayment and credit risk factors were presented.
PL
Cel: celem niniejszych badań jest opracowanie modelu oceny ryzyka kredytowego z wykorzystaniem klasyfikatora XGBoost z uwzględnieniem interpretowalności tego modelu. Metodologia: w niniejszych badaniach w celu modelowania ryzyka wykorzystano metodę Extreme Gradient Boosting (XGBoost). Jest to metoda stosowana do problemów regresji i klasyfikacji. Opiera się na sekwencji drzew decyzyjnych wykorzystujących gradientową metodę optymalizacji funkcji straty w celu minimalizacji błędów słabych estymatorów. Wykorzystano również metody umożliwiające dokonanie lokalnych i globalnych interpretacji: wykresy ceteris paribus, SHAP i badanie ważności cech. Wyniki: na podstawie wyników badań można stwierdzić, że XGBoost osiągnął wyższe wartości metryk efektywności niż regresja logistyczna, z wyjątkiem wartości metryki czułości, Oznacza to, że XGBoost wskazał mniejszy odsetek wszystkich złych klientów. Wyniki interpretacji lokalnej pozwalają stwierdzić, że w przypadku klienta na decyzję kredytową pozytywnie wpływają oceny punktowe od zewnętrznych dostawców, liczba lat samochodu oraz wykształcenie wyższe, natomiast negatywnie wpływają niska zewnętrzna ocena scoringowa oraz krótki staż pracy. Taka informacja pozwala na uargumentowanie negatywnej decyzji kredytowej. Wyniki interpretacji globalnej pozwalają wnioskować, że wyższym wartościom cech związanych ze wskaźnikami towarzyszą ujemne wartości Shapleya, co można interpretować jako negatywny efekt wpływu na zmienną objaśniającą. Ograniczenia/implikacje badawcze: metody XGBoost, A ceteris paribus plot, SHAP i feature importance mogą być wykorzystane do opracowania modelu oceny ryzyka kredytowego z uwzględnieniem interpretowalności uczenia maszynowego. Głównym ograniczeniem badań jest porównanie wyników XGBoost jedynie z wynikami regresji logistycznej. Przyszłe badania powinny skupić się na porównaniu wyników XGBoost z innymi metodami uczenia maszynowego, w tym z sieciami neuronowymi Oryginalność/wartość: jednym z kluczowych procesów realizowanych w bankach, jest proces podejmowania decyzji dotyczących udzielenia kredytów, czyli ocena ryzyka spłaty zobowiązania przez klienta. W sektorze finansów konsumenckich procesy te są zwykle w dużym stopniu zautomatyzowane, a coraz częściej wykorzystuje się w tym celu najnowsze metody uczenia maszynowego oparte na sieciach neuronowych i metodach uczenia zespołowego. Choć modele uczenia maszynowego pozwalają na osiągnięcie wyższej dokładności oceny ryzyka kredytowego w porównaniu z tradycyjnymi metodami statystycznymi, to głównym problemem jest niska interpretowalność modeli uczenia maszynowego. Modele te często występują jako „black box”. Interpretacja wyników modeli oceny ryzyka jest jednak bardzo ważna ze względu na konieczność wyjaśnienia klientowi powodów oceny jego ryzyka kredytowego.
EN
Purpose: The aim of the paper is to develop a credit risk assessment model usingb the XGBoost classifier supported by interpretation issues. Design/methodology/approach: The risk modeling is based on Extreme Gradient Boosting (XGBoost) in the research. It is a method used for regression and classification problems. It is based on a sequence of decision trees using a gradient-based optimization method of the loss function to minimize the errors of weak estimators. We use also methods for performing local and global interpretability: ceteris paribus charts, SHAP and feature importance approach. Findings: Based on the research results, it can be concluded that XGBoost achieved higher values of performance metrics than logistic regression, except sensitivity. It means that XGBoost indicated a smaller percentage of all bad client. Results of local interpretability enable a conclusion that in the case of the client in question, the credit decision is positively influenced by credit scores from external suppliers, while it is negatively influenced by minimal external scoring and short seniority. The number of years in the car and higher education are also positive. Such information helps to justify a negative credit decision. Results of global interpretability enable a conclusion that higher values of the traits associated with the z-scores are accompanied by negative Shapley values, which can be interpreted as a negative effect on the explanatory variable. Research limitations/implications: XGBoost, A ceteris paribus plot, SHAP, and feature importance methods can be used to develop a credit risk assessment model including machine learning interpretability. The main limitation of research is to compare the results of XGBoost only to the logistic regression results. Future research should focus on comparing the results of XGBoost to other machine learning methods, including neural networks. Originality/value: One of the key processes in a bank is the credit decision process, which is the evaluation of a client’s repayment risk. In the consumer finance sector, the processes are usually largely automated, and increasingly the latest machine learning methods based on neural networks and ensemble learning methods are being used for the purpose. Although machine learning models allow for achieving higher accuracy of credit risk assessment compared to traditional statistical methods, the main problem is the low interpretability of machine learning models. The models often perform as the “black box”. However, the interpretation of the results of risk assessment models is very important due to the need to explain to the client the reasons for assessing their credit risk.
first rewind previous Page / 3 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.