Ομότιμος δανεισμός (peer-to-peer) και η πρόβλεψη της πιθανότητας αθέτησης των δανείων

Abstract

Η παρούσα διπλωματική εργασία επικεντρώνεται στους καθοριστικούς παράγοντες της αθέτησης δανείων των πλατφορμών δανεισμού peer-to-peer και αναλύει αν μπορεί να προβλεφθεί η εξαρτημένη μεταβλητή “αθέτηση”. Τα σύνολα δεδομένων που χρησιμοποιούνται για αυτήν την έρευνα είναι 152.542 δάνεια της πλατφόρμας Bondora και 16 μεταβλητές. Η χρονική περίοδος που χρησιμοποιείται είναι από το 2009 έως τα μέσα του 2022 και λαμβάνονται υπόψη μόνο τα ολοκληρωμένα (εξοφλημένα ή αθετημένα) δάνεια. Αυτό θα γίνει χρησιμοποιώντας ένα μοντέλο λογιστικής παλινδρόμησης για τη μέτρηση της πιθανότητας αθέτησης των δανείων. Τα κύρια ευρήματα αυτής της έρευνας είναι ότι η ηλικία, το εισόδημα, ο αριθμός προηγούμενων δανείων, το επιτόκιο, η διάρκεια του δανείου, δανειολήπτες που δεν είναι ιδιοκτήτες της οικίας όπου διαμένουν και εκείνοι που δηλώνουν απροσδιόριστο φύλο, σχετίζονται θετικά με την πιθανότητα αθέτησης. Αντίθετα, η μεταβλητή μη-αναδιαρθρωμένο δάνειο, δάνεια με υψηλή πιστοληπτική διαβάθμιση και δανειολήπτες που έχουν βασική ή δευτεροβάθμια εκπαίδευση, έχουν αρνητική συσχέτιση με τον κίνδυνο αθέτησης. Επιπλέον, εκτελείται μια λογιστική παλινδρόμηση για την πρόβλεψη της πιθανότητας αθέτησης δανείου και στην συνέχεια εξετάζεται η προβλεπτική ικανότητα του λογιστικού μοντέλου, μέσω σύγκρισης με ένα μοντέλο μηχανικής εκμάθησης BForest. Με βάση τα μέτρα πρόβλεψης, τον πίνακα σύγχυσης και την καμπύλη ROC, φαίνεται ότι το λογιστικό μοντέλο έχει σχετικά καλή προβλεπτική ικανότητα. Συγκριτικά, ωστόσο, το BForest υπερτερεί στην ακρίβεια πρόβλεψης με ποσοστό 76,38%, έναντι 74,36% του λογιστικού με βάση την καμπύλη ROC.