The purpose of the following bachelor thesis report within mathematical statistics was to evaluate the decision making process at the credit department at Preem AB. The study used a logistic regression model to find a relationship between the probability of an application for credit being accepted and some quantitative and categorical factors about the applicant. These factors were both found in the applicant's financial statement and annual report as well as in data regarding risk level given to Preem AB by Upplysningscentralen. This data set was used to develop and train the logistic regression model with the aim of evaluating which factors have the biggest impact on the decisions being made after an application goes to trial at the credit department. The model was evaluated and perfected using different methods for variable selection and model evaluation. The study found that no statistically significant model could be created, and came to the conclusion there must exist further factors not covered by this study that affects a decision, or the decisions are taken randomly. Further research can therefore study which factors, such as financial security offered and level of knowledge regarding industry and financial statements among the credit controllers, affect the outcome of the manual trial of a credit application. / Syftet med detta kandidatexamensarbete inom matematisk statistik var att utvärdera prövningsprocessen på kreditavdelningen på Preem AB. I detta examensarbete användes en logistisk regressionsanalys för att finna ett samband mellan sannolikheten att en ansökan om kredit blir godkänd och några kvantitativa och kategoriska variabler om det ansökande företaget. Dessa variabler var hämtade dels från det ansökande företagets årsredovisning, dels från information gällande riskklass framtagen av Upplysningscentralen. Datasetet användes sedan för att bygga och träna en logstisk regressionsmodell med syftet att utvärdera vilka faktorer som har den största påverkan på om en ansökan för kredit blir godkänd eller ej efter den gått till manuell prövning på Preem AB. Modellen utvärderades och förbättrades genom att använda olika metoder för urval av variabler och utvärdering av modellen. Avhandlingen fann att modellen saknade stark prediktiv förmåga och det kan sägas att det bör finnas ytterligare faktorer som påverkar vilket beslut som tas vid manuell prövning på kreditavdelningen. Vidare undersökningar kan därför studera hur faktorer som finansiell säkerhet och kunskap om bransch och ekonomi bland medarbetarna på kreditavdelningen påverkar de manuella besluten som tas.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-326708 |
| Date | January 2022 |
| Creators | Holgersson, Annie, Döös, Theresa |
| Publisher | KTH, Matematisk statistik |
| 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 ; 2022:281 |
Page generated in 0.002 seconds