Μέτρηση και πρόβλεψη κινδύνου αθέτησης στις χρηματοπιστωτικές αγορές

Read full text Summarise with VIRAT
Authors: Νικόλαος Κόκκινος
Cited by: 0

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Η πρόβλεψη του κινδύνου αθέτησης αποτελεί σημαντικό κομμάτι του πιστωτικού κινδύνου, καθώς επηρεάζει τις αποφάσεις για δανειοδοτήσεις, την κεφαλαιακή επάρκεια και την σταθερότητα των χρηματοπιστωτικών ιδρυμάτων. Ειδικά, μετά την παγκόσμια χρηματοπιστωτική κρίση του 2008 δημιουργήθηκε η ανάγκη για αξιόπιστα και αποδοτικότερα υποδείγματα πρόβλεψης κινδύνου. Η παρούσα εργασία αξιοποιεί παραδοσιακές και σύγχρονες μεθοδολογίες σχετικά με την πρόβλεψη αθέτησης δανείων. Αρχικά γίνεται μία εκτενής βιβλιογραφική ανασκόπηση όπου καλύπτονται διάφορα υποδείγματα πρόβλεψης αθέτησης δανείων, όπως είναι τα λογιστικά, το υπόδειγμα τύπου Merton, αγοραιοκεντρικές προσεγγίσεις, αλλά και υποδείγματα που λαμβάνουν υπόψη τους μικροοικονομικούς, μακροοικονομικούς, και συμπεριφορικούς παράγοντες. Ιδιαίτερη μνεία γίνεται και στα υποδείγματα μηχανικής μάθησης αλλά και στις προηγμένες δυνατότητες τους. Η εμπειρική ανάλυση εστιάζει σε δεδομένα καταναλωτικών δανείων. Μετά από την κατάλληλη επεξεργασία και προσαρμογή των δεδομένων, το ζήτημα μετατρέπεται σε πρόβλημα δυαδικής ταξινόμησης, όπου σκοπός είναι η πρόβλεψης της αθέτησης βάσει των δοθέντων χαρακτηριστικών του δανείου και του δανειολήπτη. Για τον σκοπό αυτό χρησιμοποιούνται μία σειρά από υποδείγματα, δηλαδή Logistic Regression, Probit Regression, Elastic Net, Random Forest, Gradient Boosting, XGBoost, CatBoost και MLP Classifier. Η αξιολόγηση τους πραγματοποιείται με ξεχωριστό σύνολο ελέγχου με την χρήση της καμπύλης ROC, του δείκτη AUC, του confusion matrix αλλά και των μετρικών αξιολόγησης Accuracy, Precision, Recall, F1-Score. Τα αποτελέσματα δείχνουν πως τα μη γραμμικά και τα ensemble υποδείγματα, επιτυγχάνουν καλύτερη αποτελέσματα έναντι των υπόλοιπων γραμμικών υποδειγμάτων, και αυτό δείχνει την μεγάλη σημασία που έχει η μοντελοποίηση των πολύπλοκων μη γραμμικών σχέσεων. Όμως, τα γραμμικά υποδείγματα έχουν το πλεονέκτημα της ερμηνείας των αποτελεσμάτων και της διαφάνειας γεγονός που τα καθιστά ιδιαίτερα χρήσιμα. Η εργασία αυτή αναδεικνύει πως ένα υπόδειγμα δεν είναι αρκετό από μόνο του και απαιτείται μία ολοκληρωμένη στρατηγική διαχείρισης κινδύνου. Παράλληλα δείχνει πόσο σημαντική είναι η σύγκριση πολλαπλών μεθόδων κάτω από ένα ενιαίο πλαίσιο, δίνοντας χρήσιμα συμπεράσματα για την πρόβλεψη και διαχείριση κινδύνου αθέτησης.

Fields of Study & Subjects

Credit Risk and Financial Regulations Financial Distress and Bankruptcy Prediction Financial Risk and Volatility Modeling

Publication details

Journal / source
Athens University of Economics & Business
Publication date
27 February 2026
Language
EL