| Summary: | Nordea, being the largest corporate group of its kind in Northern Europe, has a great need of evaluating its customers ability to repay a debt as well as the probability of bankruptcy. The evaluation is done by different statistically derived internal rating models, based on logistic regression. The models have been developed by the use of historical data and attain good predictiveness when a lot of observational data is provided for each specific customer. In order to ameliorate the rating models, Nordea wants to implement two new validation methods, recommended by the reputable credit rating agency Moody’s: information entropy and accuracy ratio with simulated defaults. A default is a customer either being close to or being bankrupt. Information entropy measures how much information is included within a given variable, while accuracy ratio with simulated defaults validates the ability of the model to discriminate between "good" and "bad" customers when simulating default data. The simulation is used when sufficient default data does not exist, which is the case for large corporates. After the implementation of these validation methods, for the same set of data that Moody’s were given, the results that they presented could be confirmed by the chosen implementation method. This method was then used for analysis of a general set of data and it could be concluded that the use of each validation method, recommended by Moody’s, would improve the validation of the model. === Nordea är den största bankkoncernen i norra Europa. Man har stort behov av att känna till sina låntagares förmåga att återbetala skulder samt att noggrannt kunna uppskatta sannolikheten för konkurs. Utvärderingen görs med hjälp av kreditvärderingsmodeller baserade på logistisk regression. Modellerna bygger på historiska data och predikterar väl då dataunderlaget är stort i det enskilda fallet. För att utveckla och förbättra den modell som används för stora företag, önskar man inom Nordea implementera två nya valideringsmetoder som rekommenderas av det välrenommerade kreditvärderingsinstitutet Moody’s: informationsentropi samt noggrannhetsförhållande med simulerade defaulter. En default är en kund som antingen riskerar att gå eller är försatt i konkurs. Informationsentropi mäter hur mycket information som ryms i en given variabel, medan noggrannhetsförhållande med simulerade defaulter validerar hur väl en modell kan skilja mellan "bra" och "dåliga" kunder vid användning av simulerade defaultdata. Simuleringen används när det inte finns tillräckligt med defaultdata att tillgå, vilket är fallet då antalet observerade defaulter inom en viss låntagarkategori är få. Efter implementering av valideringsmetoderna med samma data som Moody’s använt sig av, kunde de resultat Moody’s presenterat bekräftas med den implementeringsmetod som valts. Denna metod användes därefter vid analys av en större datamängd och slutsatsen kunde dras att användandet av var och en av valideringsmetoderna, föreslagna av Moody’s, leder till en förbättrad validering av modellen.
|
|---|
