This thesis concerns the application of statistical modelling of credit risk in corporate borrowers using historical loan data from the Swedish export credit agency Exportkreditnämnden (EKN). Survival Regression in general and the Cox Proportional Hazard (CoxPH) model in particular is presented as a framework applicable to corpoate default and better suited than classification for modeling the binary default outcome of risk exposure data with inconsistent exposure times. This thesis focuses on a Gradient Boosting Machine application of the CoxPH model but uses the normal variant alongside for comparison. Partitioning the continous output of the model into discrete rating classes is explored as a method for making the results in a more intuitive fashion and make them comparable to credit risk modelling frameworks using non-parametric or non-statistical methods. / Detta examensarbete berör tillämpningen av statistisk modellering på kreditrisk hos företagslåntagare med hjälp av historiska lånedata från svenska Exportkreditnämnden (EKN). Överlevnadsanalys presenteras som ett metodisk ramverk tillämpningsbart på analysen av kreditrisk i data med inkonsistenta exponeringstider. Detta examensarbete fokuserar på en Gradient Boosting Machine-tillämpning av CoxPH-modellen men använder den reguljära varianten parallelt i jämförelsesyfte. Att dela upp de kontinuerliga riskparameterestimaten som modellen producerar i diskreta kreditvärdeklasser undersöks som en metod för att göra resultaten på ett mer inuitivt sätt och göra dem jämförbara med andra kreditriskmodeller såsom icke-parametriska och icke-statistiska metoder.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-335892 |
| Date | January 2021 |
| Creators | Norell, Simon |
| Publisher | KTH, Optimeringslära och systemteori |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-SCI-GRU ; 2021:404 |
Page generated in 0.0016 seconds