Time to Default Analysis in Personal Credit Scoring

• Autorzy: Ewa Wycinka

Warianty tytułu

Zastosowanie analizy historii zdarzeń w skoringu kredytów udzielanych osobom fizycznym

• Języki publikacji: EN

Abstrakty

EN

Credit scoring is a technique mainly used in making consumer credit decisions. Traditional credit scoring systems aim to estimate the probability that an applicant will default. However, for the financial institution, not only if but also when the creditor defaults is important. The aim of this paper is to analyse the usefulness of survival methods, especially the Kaplan-Meier estimator, in the process of making decisions of credit granting, as well as in monitoring credit portfolios. The focus is put on the differences in the influence of particular characteristics used in scoring models on the probability of default and the probability of early repayment during credit life-span. The survival analysis approaches to credit scoring were tested on 60-month personal loan data from one of the Polish financial institutions. All loans were observed until 24 months after inception, or until default or earlier repayment if one of these happened earlier. In the first part of analysis, early full repayments qualified as censored data, and in the second as failures(original abstract)

Skoring kredytowy jest metodą wykorzystywaną w procesie podejmowania decyzji o udzielenie kredytu. W tradycyjnym podejściu celem modelu skoringowego jest określenie prawdopodobieństwa, że kredytobiorca zaprzestanie spłat kredytu. Dla instytucji kredytowej ważna jest jednak nie tylko informacja, czy kredyt nie zostanie spłacony w całości, ale również to, ile rat zostanie wcześniej zapłaconych. Im później nastąpi przerwanie spłat, tym mniejszą stratę poniesie kredytodawca. Celem artykułu jest zbadanie użyteczności metod analizy przeżycia przy podejmowaniu decyzji o udzielaniu kredytu oraz przy monitorowaniu szkodowości portfela kredytów. Część empiryczną badania przeprowadzono na próbie pięciu tysięcy 60-miesięcznych pożyczek udzielonych przez jedną z polskich instytucji finansowych w ciągu kolejnych sześciu miesięcy. Każda pożyczka była obserwowana przez okres 24 miesięcy od jej udzielenia, chyba że jej spłaty zostały wcześniej przerwane. Jako zaprzestanie spłat przyjęto co najmniej 90-dniowe opóźnienie w spłacie wymagalnej raty. Całkowita wcześniejsza spłata była traktowana jako obserwacja cenzurowana. Czas do zaprzestania spłat kredytu jest nieujemną ciągłą zmienną losową, a jej rozkład został opisany za pomocą funkcji przeżycia. Do oszacowania tej funkcji wykorzystano estymator Kaplana-Meiera. Krzywe estymatorów zostały wyznaczone dla grup pożyczkobiorców wyodrębnionych na podstawie analizowanych charakterystyk. Wykorzystując testy zgodności krzywych przeżycia zidentyfikowano charakterystyki pożyczkobiorców, które istotnie różnicują prawdopodobieństwo spłaty pożyczki(abstrakt oryginalny)

Słowa kluczowe

EN

Kaplan-Meier estimator; Credit risk; Credit risk modelling; Credit scoring

PL

Estymator Kaplana-Meiera; Ryzyko kredytowe; Modelowanie ryzyka kredytowego; Skoring kredytowy

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
• Rocznik: 2015
• Numer: nr 381 Financial Investments and Insurance - Global Trends and the Polish Market
• Strony: 527--536

Twórcy

autor

Ewa Wycinka

• University of Gdansk, Poland

Bibliografia

• Banasik J., Crook J.N., Thomas L.C., 1999, Not If but When Borrowers Default, The Journal of the Operational Research Society, vol. 50, no. 12, p. 1185-1190.
• Cao R., Vilar M.V., Devia A., 2009, Modelling Consumer Credit Risk via Survival Analysis, Statistics and Operations Research Transactions, vol. 33, no. 1, p. 3-30.
• Cox D.R., Oakes D., 1984, Analysis of Survival Data, Chapman and Hall, London.
• Jurkiewicz T., Wycinka E., 2011, Significance tests of differences between two crossing survival curves for small samples, [in:] C. Domański, K. Zielińska-Sitkiewicz (eds)], Methodological Aspects of Multivariate Statistical Analysis, Statistical Models and Applications, Wydawnictwo Uniwersytetu Łódzkiego, Łódź, p. 107-114.
• Kaplan E.L., Meier P., 1958, Nonparametric Estimation from Incomplete Observations, Journal of the American Statistical Association, vol. 53, no. 282, p. 457-481.
• Klein J.P., Moeschberger M.L., 1997, Survival Analysis. Techniques for Censored and Truncated Data, Springer-Verlag, New York.
• Kleinbaum D.G., Klein M., 2005, Survival Analysis: A Self-learning Text, Springer, New York.
• Mavri M., Angelis V., Ioannou G., Gaki E., Koufodonti I., 2008, A Two-stage Dynamic Credit Scoring Model, Based on Customers' Profile and Time Horizon, Journal of Financial Services Marketing, vol. 13, no. 1, p. 17-27.
• Marques A.I., Garcia V., Sanchez J.S., 2013, A Literature Review on the Application of Evolutionary Computing to Credit Scoring, The Journal of the Operational Research Society, vol. 64, no. 9, pp. 1384-1399.
• Narain B., 1992, Survival Analysis and the Credit Granting Decision, [in:] L.C. Thomas, J.N. Crook, D.B. Edelman (eds.), Credit Scoring and Credit Control, Oxford University Press, Oxford, p. 109-121.
• Stepanova M., Thomas L.C., 2001, PHAB Scores: Proportional Hazards Analysis Behavioural Scores, The Journal of the Operational Research Society, vol. 59, no. 9, p. 1007-1016.
• Stepanova M., Thomas L.C., 2002, Survival Analysis Methods for Personal Loan Data, The Journal of the Operational Research Society, vol. 50, no. 2, p. 277-289.
• Suciu G., Lemeshow S., Moeschberger M., 2004, Statistical Tests of the Equality of Survival Curves: Reconsidering the Options, [in:] N. Balakrishnan, C.R. Rao (eds.), Advances in Survival Analysis, Elsevier, Amsterdam, p. 251-262.
• Thomas L.C., Edelman D.B., Crook J.N., 2002, Credit Scoring and Its Applications, SIAM, Philadelphia.
• Thomas L.C., Oliver R.W., Hand D.J., 2005, A Survey of the Issues in Consumer Credit Modelling Research, The Journal of the Operational Research Society, vol. 56, no. 9, p. 1006-1015.

Identyfikatory

DOI

10.15611/pn.2015.381.38