Sedan den globala finanskrisen 2008 har flera stora regelverk införts för att säkerställa att banker hanterar risker på sunt sätt. Bland dessa regelverk är Basel II som infört kapitalkrav för kreditrisk som baseras på Sannolikhet för Fallissemang och Förlust Givet Fallissemang. Basel II Advanced Internal-Based Approach ger banker möjligheten att skatta dessa riskmått för enskilda portföljer och göra interna kreditriskvärderingar. I överensstämmelse med Advanced Internal-Based-rating undersöker denna uppsats användningen av en Error Correction Model för modellering av Sannolikhet för Fallissemang. En modell som visat sin styrka inom stresstestning. Vidare implementeras en funktion för Förlust Givet Fallissemang som binder samman Sannolikhet för Fallissemang och Förlust Givet Fallissemang med systematisk risk. Error Correction Modellen modellerar Sannolikhet för Fallissemang av en SME-portfölj från en av de "fyra stora" bankerna i Sverige. Modellen utvärderas och stresstestas med Europeiska Bankmyndighetens  stresstestscenario 2016  och analyseras, med lovande resultat. / Since the global financial crisis of 2008, several big regulations have been implemented to assure that banks follow sound risk management. Among these are the Basel II Accords that implement capital requirements for credit risk. The core measures of credit risk evaluation are the Probability of Default and Loss Given Default. The Basel II Advanced Internal-Based-Rating Approach allows banks to model these measures for individual portfolios and make their own evaluations. This thesis, in compliance with the Advanced Internal-Based-rating approach, evaluates the use of an Error Correction Model when modeling the Probability of Default. A model proven to be strong in stress testing. Furthermore, a Loss Given Default function is implemented that ties Probability of Default and Loss Given Default to systematic risk. The Error Correction Model is implemented on an SME portfolio from one of the "big four" banks in Sweden. The model is evaluated and stress tested with the European Banking Authority's 2016 stress test scenario and analyzed, with promising results.

The aim of my diploma thesis is to chart the situation of international migration in states of the European Union and especially in the Czech republic. Although the international migration is very discussed theme, nobody till now has dealt with a total survey in the frame of the European community, which is also my contribution to given sphere of migration. The whole work is divided into five sections. The first two chapters are put near the theoretical aspects of migration and of the European union, which help better to make sense of given theme. The next section is focused on the analysis of the particular member states, which are consequently compared pursuant to chosen criteria and also is assessed the influence of these factors on migration by itself. In the last but one part the problems of migration in the Czech republic from different view-points is put near. The last chapter puts mind to the analysis of time series of net migration rate of the Czech republic whose result is construction of prognoses to the five years starting from year 2007.

This diploma thesis deals with the technical design of extensive replacement of overhead lines by high voltage cables in the given distribution area. In its first part the thesis is focused on the survey of the concerning legislation and technical standards, which must be followed during making technical design documentation. It also mentions the processes which precede the replacement itself. There are also the operational differences between the overhead lines and the high voltage cables in the first part, too. The second part is focused on the technical description of the given area, the technical design of the replacement by high voltage cables and the realization of calculation, which is important as a base for further realization of technical arrangements. The consideration of technical feasibility and economic efficiency are also contained in the second part.

Der Schwerpunkt der vorliegenden Arbeit liegt auf Methoden zur Lösung nichtlinearer Optimierungsprobleme mit der Anforderung, jedes globale Optimum garantiert zu finden und mit einer im Voraus festgesetzten Genauigkeit zu approximieren. Eng verbunden mit dieser deterministischen Optimierung ist die Berechnung von Schranken für den Wertebereich einer Funktion über einem gegebenen Hyperquader. Verschiedene Ansätze, z. B. auf Basis der Intervallarithmetik, werden vorgestellt und analysiert. Im Besonderen werden Methoden zur Schrankengenerierung für multivariate ganz- und gebrochenrationale Polynome mit Hilfe der Darstellung in der Basis der Bernsteinpolynome weiterentwickelt. Weiterhin werden in der Arbeit schrittweise die Bausteine eines deterministischen Optimierungsverfahrens unter Verwendung der berechneten Wertebereichsschranken beschrieben und Besonderheiten für die Optimierung polynomialer Aufgaben näher untersucht. Die Analyse und Bearbeitung einer Aufgabenstellung aus dem Entwicklungsprozess für Fahrzeuggetriebe zeigt, wie die erarbeiteten Ansätze zur Lösung nichtlinearer Optimierungsprobleme die Suche nach energieeffizienten Getrieben mit einer optimalen Struktur unterstützen kann. Kontakt zum Autor: [Nachname] [.] [Vorname] [@] gmx [.] de

This thesis investigates three different techniques for estimating loss given default of non-performing consumer loans. This is a contribution to a credit risk evaluation model compliant with the regulations stipulated by the Basel Accords, regulating the capital requirements of European financial institutions. First, multiple linear regression is applied, and thereafter, zero-and-one inflated beta regression is implemented in two versions, with and without Bayesian inference. The model performances confirm that modeling loss given default data is challenging, however, the result shows that the zero-and-one inflated beta regression is superior to the other models in predicting LGD. Although, it shall be recognized that all models had difficulties in distinguishing low-risk loans, while the prediction accuracy of riskier loans, resulting in larger losses, were higher. It is further recommended, in future research, to include macroeconomic variables in the models to capture economic downturn conditions as well as adopting decision trees, for example by applying machine learning. / Detta examensarbete undersöker tre olika metoder för att estimera förlusten vid fallissemang för icke-presterande konsumentlån. Detta som ett bidrag till en kreditrisksmodell i enlighet med bestämmelserna i Baselregelverken, som bland annat reglerar kapitalkraven för europeiska finansiella institut. Inledningsvis tillämpas multipel linjär regression, därefter implementeras två versioner av utvidgad betaregression, med och utan bayesiansk inferens. Resultatet bekräftar att modellering data för förlust givet fallissemang är utmanande, men visar även att den utvidgade betaregressionen utan bayesiansk inferens är bättre de andra modellerna. Det ska dock tilläggas att alla modeller visade svårigheter att estimera lån med låg risk, medan tillförlitligheten hos lån med hög risk, vilka generellt sett medför större förluster, var högre. Vidare rekommenderas det för framtida forskning att inkludera makroekonomiska variabler i modellerna för att fånga ekonomiska nedgångar samt att implementera beslutsträd, exempelvis genom applicering av maskininlärning.

No description available.

This thesis project is an experimental study on how to approach quantitative portfolio credit risk modelling in Venture Debt portfolios. Facing a lack of applicable default data from ArK and publicly available sets, as well as seeking to capture companies that fail to service debt obligations before defaulting per se, we present an approach to risk modeling based on trends in revenue. The main framework revolves around driving a Monte Carlo simulation with Copluas to predict future revenue scenarios across a portfolio of early-stage technology companies. Three models for a random Gaussian walk, a Linear Dynamic System and an Autoregressive Integrated Moving Average (ARIMA) time series are implemented and evaluated in terms of their portfolio Value-at-Risk influence. The model performance confirms that modeling portfolio risk in Venture Debt is challenging, especially due to lack of sufficient data and thus a heavy reliance on assumptions. However, the empirical results for Value-at-Risk and Expected Shortfall are in line with expectations. The evaluated portfolio is still in an early stage with a majority of assets not yet in their repayment period and consequently the spread of potential losses within one year is very tight. It should further be recognized that the scope in terms of explanatory variables for sales and model complexities has been narrowed and simplified for computational benefits, transparency and communicability. The main conclusion drawn is that alternative approaches to model Venture Debt risk is fully possible, and should improve in reliability and accuracy with more data feeding the model. For future research it is recommended to incorporate macroeconomic variables as well as similar company analysis to better capture macro, funding and sector conditions. Furthermore, it is suggested to extend the set of financial and operational explanatory variables for sales through machine learning or neural networks. / Detta examensarbete är en experimentell studie för kvantitativ modellering av kreditrisk i Venture Debt-portföljer. Givet en brist på tillgänlig konkurs-data från ArK samt från offentligt tillgängliga databaser i kombination med ambitionen att inkludera företag som misslyckas med skuldförpliktelser innan konkurs per se, presenterar vi en metod för riskmodellering baserad på trender i intäkter. Ramverket för modellen kretsar kring Monte Carlo-simulering med Copluas för att estimera framtida intäktsscenarier över en portfölj med tillväxtbolag inom tekniksektorn. Tre modeller för en random walk, ett linjärt dynamiskt system och ARIMA- tidsserier implementeras och utvärderas i termer av deras inflytande på portföljens Value-at- Risk. Modellens prestationer bekräftar att modellering av portföljrisk inom Venture Debt är utmanande, särskilt på grund av bristen på tillräckliga data och därmed ett stort beroende av antaganden. Dock är de empiriska resultaten för Value-at-Risk och Expected Shortfall i linje med förväntningarna. Den utvärderade portföljen är fortfarande i ett tidigt skede där en majoritet av tillgångarna fortfarande befinner sig i en amorteringsfri period och följaktligen är spridningen av potentiella förluster inom ett år mycket snäv. Det bör vidare tillkännages att omfattningen i termer av förklarande variabler för intäkter och modellkomplexitet har förenklats för beräkningsfördelar, transparens och kommunicerbarhet. Den främsta slutsatsen som dras är att alternativa metoder för att modellera risker inom Venture Debt är fullt möjliga och bör förbättras i tillförlitlighet och precision när mer data kan matas in i modellen. För framtida arbete rekommenderas det att inkorporera makroekonomiska variabler samt analys av liknande bolag för att bättre fånga makro-, finansierings- och sektorsförhållanden. Vidare föreslås det att utöka uppsättningen av finansiella och operationella förklarande variabler för intäkter genom maskininlärning eller neurala nätverk.

This thesis evaluates the performance of three machine learning methods in prediction of the Loss Given Default (LGD). LGD can be seen as the opposite of the recovery rate, i.e. the ratio of an outstanding loan that the loan issuer would not be able to recover in case the customer would default. The methods investigated are decision trees, random forest and boosted methods. All of the methods investigated performed well in predicting the cases were the loan is not recovered, LGD = 1 (100%), or the loan is totally recovered, LGD = 0 (0% ). When the performance of the models was evaluated on a dataset where the observations with LGD = 1 were removed, a significant decrease in performance was observed. The random forest model built on an unbalanced training dataset showed better performance on the test dataset that included values LGD = 1 and the random forest model built on a balanced training dataset performed better on the test set where the observations of LGD = 1 were removed. Boosted models evaluated in this study showed less accurate predictions than other methods used. Overall, the performance of random forest models showed slightly better results than the performance of decision tree models, although the computational time (the cost) was considerably longer when running the random forest models. Therefore decision tree models would be suggested for prediction of the Loss Given Default. / Denna uppsats undersöker och jämför tre maskininlärningsmetoder som estimerar förlust vid fallissemang (Loss Given Default, LGD). LGD kan ses som motsatsen till återhämtningsgrad, dvs. andelen av det utstående lånet som långivaren inte skulle återfå ifall kunden skulle fallera. Maskininlärningsmetoder som undersöks i detta arbete är decision trees, random forest och boosted metoder. Alla metoder fungerade väl vid estimering av lån som antingen inte återbetalas, dvs. LGD = 1 (100%), eller av lån som betalas i sin helhet, LGD = 0 (0%). En tydlig minskning i modellernas träffsäkerhet påvisades när modellerna kördes med ett dataset där observationer med LGD = 1 var borttagna. Random forest modeller byggda på ett obalanserat träningsdataset presterade bättre än de övriga modellerna på testset som inkluderade observationer där LGD = 1. Då observationer med LGD = 1 var borttagna visade det sig att random forest modeller byggda på ett balanserat träningsdataset presterade bättre än de övriga modellerna. Boosted modeller visade den svagaste träffsäkerheten av de tre metoderna som blev undersökta i denna studie. Totalt sett visade studien att random forest modeller byggda på ett obalanserat träningsdataset presterade en aning bättre än decision tree modeller, men beräkningstiden (kostnaden) var betydligt längre när random forest modeller kördes. Därför skulle decision tree modeller föredras vid estimering av förlust vid fallissemang.

Multiobjective Stochastic Linear Programming is a relevant topic. As a matter of fact, many real life problems ranging from portfolio selection to water resource management may be cast into this framework. There are severe limitations in objectivity in this field due to the simultaneous presence of randomness and conflicting goals. In such a turbulent environment, the mainstay of rational choice does not hold and it is virtually impossible to provide a truly scientific foundation for an optimal decision. In this thesis, we resort to the bounded rationality and chance-constrained principles to define satisficing solutions for Multiobjective Stochastic Linear Programming problems. These solutions are then characterized for the cases of normal, exponential, chi-squared and gamma distributions. Ways for singling out such solutions are discussed and numerical examples provided for the sake of illustration. Extension to the case of fuzzy random coefficients is also carried out. / Decision Sciences

The thesis "Credit risk from Basel II point of view" deals with new capital concept with main focus on the credit risk. The particular emphasis is laid on the chief issue of Basel II concept i.e. internal models. The thesis quite in detail describes the usage of basel parameters - LGD particularly - in various day-to-day business processes of credit institutions. An individual part of the thesis is devoted to credit risk mitigants and their impacts on the amount of capital requirements. The analysis carried out precedent Basel II implementation indicated the launching of Basel II should imply risk weighted assests to credit risk decline. This documents the last chapter.