Bakalářská práce

Predikce defaultu u P2P úvěrů

Default prediction of P2P loans

Jakub Vondrášek
Anotace

Cílem této bakalářské práce je predikce defaultu u P2P úvěrů s využi-tím metod strojového učení. Teoretická část představuje princip fun-gování P2P platforem, vysvětluje pojem kreditního rizika a shrnuje po-znatky z dosavadních studií. V praktické části je analyzován rozsáhlý dataset z platformy Bondora, na jehož základě jsou aplikovány různé modely (logistická regrese, rozhodovací strom, náhodný les …více

Abstract

The aim of this bachelor thesis is to predict loan default in peer-to-peer (P2P) lending using machine learning methods. The theoretical part introduces the concept of P2P platforms, explains credit risk, and reviews findings from previous studies. The empirical part analyses a large dataset from the Bondora platform, applying several models (lo-gistic regression, decision tree, random forest, neuron …více

Klíčová slova
Credit risk P2P lending machine learning logistic regression decision tree random forest k-nearest neighbours neuron network
Zadání práce
Cílem práce je posoudit využití vybraných metod (logistická regrese, metody založené na rozhodovacích stromech, atd.) pro modelování kreditního rizika u P2P úvěrů.

Postup práce:
1. Úvod a definice pojmů. Charakteristiky P2P úvěrů.
2. Rešerše literatury.
3. Sběr a příprava dat, popis metodologie.
4. Modelování pravděpodobnosti selhání u P2P úvěrů. Posouzení výkonnosti vytvořených modelů.
5. Diskuze výsledků a závěr.


Metodologie: deskripce, analýza, komparace, matematicko-statistické metody
Administrativní informace
Práce zkontrolována:
6. 12. 2025 09:40, Ing. Petr Horák
Plný text práce
1,2 MB / soubor PDF
Jazyk práce
čeština čeština
Termín obhajoby
20. 1. 2026
Práce byla úspěšně obhájena

Vedoucí

Ing. Petr Horák
abs ESF MU

Oponent

Oleg Deev, Ph.D., učo 387462
KF ESF MU

Literatura

  • SERRANO-CINCA; GUTIÉRREZ-NIETO a LÓPEZ-PALACIOS. Determinants of default in P2P lending. PLoS Biology. USA: PUBLIC LIBRARY SCIENCE, 2015, roč. 10, č. 10. ISSN 1544-9173. Dostupné z: https://doi.org/10.1371/journal.pone.0139427.
  • EMEKTER, Riza; Yanbin TU; Benjamas JIRASAKULDECH a Min LU. Evaluating credit risk and loan performance in online Peer-to-Peer (P2P) lending. Applied Economics. 2015, roč. 47, č. 1, s. 54-70. ISSN 0003-6846.
  • ARIZA-GARZÓN, M J; J ARROYO; A CAPARRINI a M SEGOVIA-VARGAS. Explainability of a Machine Learning Granting Scoring Model in Peer-to-Peer Lending. IEEE Access. IEEE Xplore Digital Library, 2020, roč. 8, s. 64873-64890. ISSN 2169-3536. Dostupné z: https://doi.org/10.1109/ACCESS.2020.2984412.
  • MOSCATO, Vincenzo; Antonio PICARIELLO a Giancarlo SPERLÍ. A benchmark of machine learning approaches for credit score prediction. Expert Systems with Applications. Elsevier, 2021, roč. 165, s. 113986. ISSN 0957-4174.
  • LIN, Xuchen; Xiaolong LI a Zhong ZHENG. Evaluating borrower’s default risk in peer-to-peer lending: evidence from a lending platform in China. APPLIED ECONOMICS. ENGLAND: ROUTLEDGE JOURNALS, TAYLOR & FRANCIS LTD, 2017, roč. 49, č. 35, s. 3538-3545. ISSN 0003-6846.
Citovat tuto práci
Masarykova univerzita Ekonomicko-správní fakulta
Studijní program
Plán
Finance

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.