Office of Academic Resources
Chulalongkorn University
Chulalongkorn University

Home / Help

Titleการเปรียบเทียบการจัดอันดับและมูลค่าความเสี่ยงระหว่างตัวแบบ โพรบิทแบบภาวะภัยและตัวแบบเกาซ์เซียนคอพพูลาโพรบิทแบบภาวะภัย / ศรัณยา สมทรง = A Comparison on Ranking and Value at Risk between the Hazard Probit Model and the Hazard Probit with Gaussian Copula Model
Author Sarunya Sarunya
Imprint 2554
Connect tohttp://cuir.car.chula.ac.th/handle/123456789/28096
Descript ก-ฑ, 89 แผ่น : ภาพประกอบ

SUMMARY

งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบการจัดอันดับคะแนนสินเชื่อและมูลค่าความเสี่ยงของตัวแบบคะแนนสินเชื่อ 2 ตัวแบบ คือ ตัวแบบโพรบิทแบบภาวะภัย และตัวแบบเกาซ์เซียนคอพพูลาโพรบิทแบบภาวะภัย โดยทำการศึกษาจากข้อมูลจำลองภายใต้เงื่อนไขต่อไปนี้ ข้อมูลเป็นแบบภาวะภัยซึ่งมีหลายช่วงเวลา ตัวแปรตามเป็นตัวแปรเชิงคุณภาพที่มีเพียง 2 ค่า โดยให้ค่าสังเกตของตัวแปรตามในช่วงเวลาเดียวกันมีความสัมพันธ์กันด้วยปัจจัยเกาซ์เซียนคอพพูลาเดียวกัน ซึ่งปัจจัยเกาซ์เซียนคอพพูลาสัมพันธ์กันด้วยค่าสหสัมพันธ์ คือ = 0.1, =0.3, =0.5 และ = 0.7 และค่าสังเกตของตัวแปรตามในช่วงเวลาที่ต่างกันเป็นอิสระกัน ตัวแปรอิสระมีจำนวน 2 ตัวแปร ซึ่งจำลองจากการแจกแจงแบบปกติมาตรฐาน จำนวนระยะเวลาที่ใช้ในการทดลอง คือ 3, 6, 9 และ 12 ช่วงเวลา จำนวนหน่วยตัวอย่าง คือ 1,000 ต่อช่วงเวลา ในทุกๆ การทดลอง จำนวนการกระทำซ้ำในแต่ละสถานการณ์เป็น 100 รอบ เกณฑ์ในการตัดสินใจสำหรับการจัดอันดับคะแนนสินเชื่อ คือ ค่าสหสัมพันธ์อันดับระหว่างตัวแบบในการจัดอันดับเทียบกับตัวแบบของข้อมูล ส่วนเกณฑ์ในการตัดสินใจสำหรับมูลค่าความเสี่ยงด้านเครดิต คือ ผลต่างมูลค่าความเสี่ยงด้านเครดิตระหว่างตัวแบบประเมินความเสี่ยงเทียบกับตัวแบบของข้อมูล ทำการเปรียบเทียบโดยทดสอบสมมติฐานบนความแตกต่างของตัวชี้วัดของสองตัวแบบ ที่ระดับนัยสำคัญ 0.05 จากการวิเคราะห์ผลการจำลองพบว่าการจัดอันดับคะแนนสินเชื่อจากสองตัวแบบไม่แตกต่างอย่างมีนัยสำคัญในเกือบทุกกรณี ในขณะที่มูลค่าความเสี่ยงที่คำนวณจากสองตัวแบบแตกต่างกันอย่างมีนัยสำคัญในทุกกรณี ที่ระดับนัยสำคัญ 0.05
The objective of this research is to compare the ranking of the fitted scores and the value at risk (VaR) obtained from two credit scoring models: hazard probit model and hazard probit with Gaussian copula model. The experiment is done under the following conditions. The data set contains data in multiple periods. The dependence variable is a binary variable. The observations of the dependence variable in the same period are correlated by a Gaussian copula factor at = 0.1, =0.3, =0.5 and = 0.7. The observations of the dependent variables from different periods are independent. There are two independence variables, which are simulated from the standard normal distribution. The numbers of the periods are 3, 6, 9, and 12. The number of data is 1,000 per periods. The performance measure for the credit score ranking is the rank correlation obtained from the scoring model and the data model. On the other hand, the performance measure for the credit value at risk (CVaR) is the difference of the CVaR obtained from the risk estimation model and that from the data model. The comparison is performed by testing hypotheses on the difference of the performance measures between the two models at significant levels of 0.05. From the analysis, the fitted credit scores from the two models are not significantly different in most cases, while the values at risk from the two models are significantly different in all cases.


Credit -- Management Credit scoring systems Credit analysis Copulas (Mathematical statistics) Distribution (Probability theory) สินเชื่อ -- การจัดการ ระบบการให้คะแนนสินเชื่อ การวิเคราะห์สินเชื่อ คอพพูลา การแจกแจง (ทฤษฎีความน่าจะเป็น)

LOCATIONCALL#STATUS
Chula Business School Library : Thesis2503CHECK SHELVES

Chulalinet's Book Delivery Request




Location



Office of Academic Resources, Chulalongkorn University, Phayathai Rd. Pathumwan Bangkok 10330 Thailand

Contact Us

Tel. 0-2218-2929,
0-2218-2927 (Library Service)
0-2218-2903 (Administrative Division)
Fax. 0-2215-3617, 0-2218-2907

Social Network

  line

facebook   instragram