{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2928737"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2928737","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Developing a behavioral model for the assessment of probability of default for a loan portfolio of small-medium enterprises of a European Bank","abstract":"Τα τελευταία χρόνια, έχουν γίνει τεράστια βήματα στον τομέα της μέτρησης και διαχείρισης πιστωτικού κινδύνου. Καθώς τα δάνεια και η πίστωση αποτελούν σημαντικά προϊόντα στις τραπεζικές συναλλαγές, οι τράπεζες και τα άλλα χρηματοπιστωτικά ιδρύματα θέλουν να βρουν αποτελεσματικούς τρόπους για να αποφασίσουν εάν θα αποδεχθούν ή θα υποβάλουν αίτηση δανείου. Παρά τις πολλές διαφορετικές μεθόδους μοντελοποίησης που έχουν εξελιχθεί για την εφαρμογή της βαθμολογίας πίστωσης, τα συμπεριφορικά υποδείγματα διακρίνονται και είναι τα πιο ευρέως χρησιμοποιούμενα. Αυτή η εργασία δείχνει τη διαδικασία ανάπτυξης ενός συμπεριφορικού υποδείγματος για ένα δανειακό χαρτοφυλάκιο Μικρών-Μεσαίων Επιχειρήσεων μιας Ευρωπαϊκής τράπεζας. Ο στόχος είναι να οικοδομήσουμε ένα επιτυχημένο μοντέλο συμπεριφοράς που θα προβλέπει την πιθανότητα αθέτησης (σύμφωνα με τους κανονισμούς της Βασιλείας III) ενός δανειολήπτη σε ορίζοντα 12 μηνών. Για το σκοπό αυτό χρησιμοποιείται ένα πραγματικό σύνολο δεδομένων και το μοντέλο αναπτύσσεται με τη χρήση λογιστικής παλινδρόμησης και σταδιακής ανάλυσης. Τα αποτελέσματα της εργασίας υποδηλώνουν ότι τέτοιες στατιστικές μέθοδοι αποτελούν αξιόπιστα και χρήσιμα εργαλεία για την ανάπτυξη ενός καλά βαθμονομημένου μοντέλου με υψηλό δείκτη ακρίβειας (AR) (συντελεστής Gini) και Log Likelihood που έχει τη δυνατότητα να παράγει πιθανότητες αθέτησης που ταιριάζουν πολύ με τις παρατηρούμενες πιθανότητες αθέτησης δανειακών χαρτοφυλακίων.","abstract_html":"Τα τελευταία χρόνια, έχουν γίνει τεράστια βήματα στον τομέα της μέτρησης και διαχείρισης πιστωτικού κινδύνου. Καθώς τα δάνεια και η πίστωση αποτελούν σημαντικά προϊόντα στις τραπεζικές συναλλαγές, οι τράπεζες και τα άλλα χρηματοπιστωτικά ιδρύματα θέλουν να βρουν αποτελεσματικούς τρόπους για να αποφασίσουν εάν θα αποδεχθούν ή θα υποβάλουν αίτηση δανείου. Παρά τις πολλές διαφορετικές μεθόδους μοντελοποίησης που έχουν εξελιχθεί για την εφαρμογή της βαθμολογίας πίστωσης, τα συμπεριφορικά υποδείγματα διακρίνονται και είναι τα πιο ευρέως χρησιμοποιούμενα. Αυτή η εργασία δείχνει τη διαδικασία ανάπτυξης ενός συμπεριφορικού υποδείγματος για ένα δανειακό χαρτοφυλάκιο Μικρών-Μεσαίων Επιχειρήσεων μιας Ευρωπαϊκής τράπεζας. Ο στόχος είναι να οικοδομήσουμε ένα επιτυχημένο μοντέλο συμπεριφοράς που θα προβλέπει την πιθανότητα αθέτησης (σύμφωνα με τους κανονισμούς της Βασιλείας III) ενός δανειολήπτη σε ορίζοντα 12 μηνών. Για το σκοπό αυτό χρησιμοποιείται ένα πραγματικό σύνολο δεδομένων και το μοντέλο αναπτύσσεται με τη χρήση λογιστικής παλινδρόμησης και σταδιακής ανάλυσης. Τα αποτελέσματα της εργασίας υποδηλώνουν ότι τέτοιες στατιστικές μέθοδοι αποτελούν αξιόπιστα και χρήσιμα εργαλεία για την ανάπτυξη ενός καλά βαθμονομημένου μοντέλου με υψηλό δείκτη ακρίβειας (AR) (συντελεστής Gini) και Log Likelihood που έχει τη δυνατότητα να παράγει πιθανότητες αθέτησης που ταιριάζουν πολύ με τις παρατηρούμενες πιθανότητες αθέτησης δανειακών χαρτοφυλακίων.","abstract_has_math":false,"creators":["Σκλιάμη Μαρία","Skliami Maria"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2020,"date_issued":"2020","date_published":"2020","updated_at":"2026-11-19T05:41:27Z","subjects":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2928737"],"render_values":[{"text":"uoadl:2928737","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2928737","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2928737","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2928737","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Σκλιάμη Μαρία","Skliami Maria"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2020"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2928737","https://pergamos.lib.uoa.gr/uoa/dl/object/2928737"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Τα τελευταία χρόνια, έχουν γίνει τεράστια βήματα στον τομέα της μέτρησης και διαχείρισης πιστωτικού κινδύνου. Καθώς τα δάνεια και η πίστωση αποτελούν σημαντικά προϊόντα στις τραπεζικές συναλλαγές, οι τράπεζες και τα άλλα χρηματοπιστωτικά ιδρύματα θέλουν να βρουν αποτελεσματικούς τρόπους για να αποφασίσουν εάν θα αποδεχθούν ή θα υποβάλουν αίτηση δανείου. Παρά τις πολλές διαφορετικές μεθόδους μοντελοποίησης που έχουν εξελιχθεί για την εφαρμογή της βαθμολογίας πίστωσης, τα συμπεριφορικά υποδείγματα διακρίνονται και είναι τα πιο ευρέως χρησιμοποιούμενα. Αυτή η εργασία δείχνει τη διαδικασία ανάπτυξης ενός συμπεριφορικού υποδείγματος για ένα δανειακό χαρτοφυλάκιο Μικρών-Μεσαίων Επιχειρήσεων μιας Ευρωπαϊκής τράπεζας. Ο στόχος είναι να οικοδομήσουμε ένα επιτυχημένο μοντέλο συμπεριφοράς που θα προβλέπει την πιθανότητα αθέτησης (σύμφωνα με τους κανονισμούς της Βασιλείας III) ενός δανειολήπτη σε ορίζοντα 12 μηνών. Για το σκοπό αυτό χρησιμοποιείται ένα πραγματικό σύνολο δεδομένων και το μοντέλο αναπτύσσεται με τη χρήση λογιστικής παλινδρόμησης και σταδιακής ανάλυσης. Τα αποτελέσματα της εργασίας υποδηλώνουν ότι τέτοιες στατιστικές μέθοδοι αποτελούν αξιόπιστα και χρήσιμα εργαλεία για την ανάπτυξη ενός καλά βαθμονομημένου μοντέλου με υψηλό δείκτη ακρίβειας (AR) (συντελεστής Gini) και Log Likelihood που έχει τη δυνατότητα να παράγει πιθανότητες αθέτησης που ταιριάζουν πολύ με τις παρατηρούμενες πιθανότητες αθέτησης δανειακών χαρτοφυλακίων.","In recent years, enormous steps have been made in the field of credit risk measurement and management. As loans and credit constitute important products in banking transactions, banks and other financial institutions want to find efficient ways in order to decide whether to accept or provide a loan application. Despite the many different modeling methods that have evolved for implementing credit scoring, behavioral models distinguish and are the most widely used ones. This work shows the process of the development of a behavioral model for a loan portfolio of Small and Medium Enterprises (SMEs) of a European bank. The aim is to build a successful behavioral model that will predict the probability of default (in accordance with Basel III regulations) of a borrower in a 12 month horizon. For this purpose a real data set is used and the model is developed with the use of logistic regression and stepwise analysis. The results of the paper suggest that such statistical methods constitute reliable and useful tools for developing a well calibrated model with high Accuracy Ratio (AR) (Gini coefficient) and Log Likelihood that has the ability to generate default probabilities that closely match the observed default probabilities of loan portfolios."]},{"key":"dc:title","label":"Title","values":["Developing a behavioral model for the assessment of probability of default for a loan portfolio of small-medium enterprises of a European Bank"]}]}],"canonical_facts":{"dc:creator":["Σκλιάμη Μαρία","Skliami Maria"],"dc:date":["2020"],"dc:description":["Τα τελευταία χρόνια, έχουν γίνει τεράστια βήματα στον τομέα της μέτρησης και διαχείρισης πιστωτικού κινδύνου. Καθώς τα δάνεια και η πίστωση αποτελούν σημαντικά προϊόντα στις τραπεζικές συναλλαγές, οι τράπεζες και τα άλλα χρηματοπιστωτικά ιδρύματα θέλουν να βρουν αποτελεσματικούς τρόπους για να αποφασίσουν εάν θα αποδεχθούν ή θα υποβάλουν αίτηση δανείου. Παρά τις πολλές διαφορετικές μεθόδους μοντελοποίησης που έχουν εξελιχθεί για την εφαρμογή της βαθμολογίας πίστωσης, τα συμπεριφορικά υποδείγματα διακρίνονται και είναι τα πιο ευρέως χρησιμοποιούμενα. Αυτή η εργασία δείχνει τη διαδικασία ανάπτυξης ενός συμπεριφορικού υποδείγματος για ένα δανειακό χαρτοφυλάκιο Μικρών-Μεσαίων Επιχειρήσεων μιας Ευρωπαϊκής τράπεζας. Ο στόχος είναι να οικοδομήσουμε ένα επιτυχημένο μοντέλο συμπεριφοράς που θα προβλέπει την πιθανότητα αθέτησης (σύμφωνα με τους κανονισμούς της Βασιλείας III) ενός δανειολήπτη σε ορίζοντα 12 μηνών. Για το σκοπό αυτό χρησιμοποιείται ένα πραγματικό σύνολο δεδομένων και το μοντέλο αναπτύσσεται με τη χρήση λογιστικής παλινδρόμησης και σταδιακής ανάλυσης. Τα αποτελέσματα της εργασίας υποδηλώνουν ότι τέτοιες στατιστικές μέθοδοι αποτελούν αξιόπιστα και χρήσιμα εργαλεία για την ανάπτυξη ενός καλά βαθμονομημένου μοντέλου με υψηλό δείκτη ακρίβειας (AR) (συντελεστής Gini) και Log Likelihood που έχει τη δυνατότητα να παράγει πιθανότητες αθέτησης που ταιριάζουν πολύ με τις παρατηρούμενες πιθανότητες αθέτησης δανειακών χαρτοφυλακίων.","In recent years, enormous steps have been made in the field of credit risk measurement and management. As loans and credit constitute important products in banking transactions, banks and other financial institutions want to find efficient ways in order to decide whether to accept or provide a loan application. Despite the many different modeling methods that have evolved for implementing credit scoring, behavioral models distinguish and are the most widely used ones. This work shows the process of the development of a behavioral model for a loan portfolio of Small and Medium Enterprises (SMEs) of a European bank. The aim is to build a successful behavioral model that will predict the probability of default (in accordance with Basel III regulations) of a borrower in a 12 month horizon. For this purpose a real data set is used and the model is developed with the use of logistic regression and stepwise analysis. The results of the paper suggest that such statistical methods constitute reliable and useful tools for developing a well calibrated model with high Accuracy Ratio (AR) (Gini coefficient) and Log Likelihood that has the ability to generate default probabilities that closely match the observed default probabilities of loan portfolios."],"dc:identifier":["uoadl:2928737","https://pergamos.lib.uoa.gr/uoa/dl/object/2928737"],"dc:language":["English"],"dc:subject":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"dc:title":["Developing a behavioral model for the assessment of probability of default for a loan portfolio of small-medium enterprises of a European Bank"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:41:27Z"}