The master's thesis is devoted to the development of methodological tools for analyzing and modeling the risk parameters of the loan portfolio of individuals. As a scientific novelty, a diagnostic matrix of risk parameters of borrowers was constructed based on the Bayesian method, which allows categorizing borrowers by risk levels, taking into account the multiplicity of analyzed parameters. The result of modeling the risk parameters of bank's loan portfolio based on optimality criteria (risk-return) is presented. The practical significance of the study lies in fact that the management of a commercial bank can use the results obtained to improve the quality of credit management. / Магистерская диссертация посвящена разработке методического инструментария для анализа и моделирования рисковых параметров кредитного портфеля физических лиц. В качестве научной новизны построена диагностическая матрица риск-параметров заемщиков на основе метода Байеса, что позволяет категорировать заемщиков по уровням риска с учетом множественности анализируемых параметров. Также представлен результат моделирования риск-параметров кредитного портфеля банка на основе критериев оптимальности (риск-доходность). Практическая значимость исследования заключается в том, что руководство коммерческого банка может использовать полученные результаты в целях повышения качества кредитного менеджмента.
| Identifer | oai:union.ndltd.org:urfu.ru/oai:elar.urfu.ru:10995/138335 |
| Date | January 2024 |
| Creators | Дмитриева, Т. И., Dmitrieva, T. I. |
| Contributors | Шершнева, Е. Г., Shershneva, E. G., УрФУ. Институт экономики и управления, Школа управления и междисциплинарных исследований |
| Publisher | б. и. |
| Source Sets | Ural Federal University |
| Language | Russian |
| Detected Language | Russian |
| Type | Master's thesis, info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Rights | Предоставлено автором на условиях простой неисключительной лицензии, http://elar.urfu.ru/handle/10995/31613 |
Page generated in 0.002 seconds