Regressionsmodelle. Empirische Analyse von Kreditausfallrisiko

Inhaltsverzeichnis

• Einleitung
• Idee der Regressionsanalyse
• Die multiple lineare Regressionsanalyse
  • Modellannahmen
  • Schätzen der Modellparameter
    • Die Einfachregression als Spezialfall der multiplen Regression
  • Interpretation der Parameter im multiplen Modell
    • Transformation der abhängigen Variablen
    • Nicht-Linearitäten in den unabhängigen Variablen
    • Interaktionen unabhängiger Variablen
  • Das Bestimmtheitsmaß im multiplen Regressionsmodell
  • Multikollinearität
  • Konfidenzintervalle und Signifikanztests
• Anwendung des Regressionsmodells zur Analyse von Kreditausfallrisiko
  • Beschreibung des Datensatzes
  • Beschreibung der abhängigen Variablen
  • Probleme des linearen Modells bei binären Zielvariablen
  • Auswahl der unabhängigen Variablen
  • Anwendung des linearen Regressionsmodells
    • Interpretation
  • Das Logit-Modell und die Maximum Likelihood-Methode
    • Ergebnisse des Logit-Modells

Zielsetzung und Themenschwerpunkte

Die Arbeit befasst sich mit der empirischen Analyse von Kreditausfallrisiko. Ziel ist es, ein Regressionsmodell zu entwickeln, welches das Ausfallrisiko von Krediten anhand relevanter Faktoren prognostiziert.

• Anwendung der Regressionsanalyse zur Modellierung von Kreditausfallrisiko
• Untersuchung der Einflussfaktoren auf das Ausfallrisiko von Krediten
• Vergleich verschiedener Regressionsmodelle (lineares Modell vs. Logit-Modell)
• Interpretation der Ergebnisse und deren Relevanz für die Kreditvergabe
• Bewertung der Modellgüte und Limitationen der verwendeten Methoden

Zusammenfassung der Kapitel

• Einleitung: Die Einleitung stellt das Thema der Arbeit vor und erläutert die Bedeutung von Kreditausfallrisiko im Kontext des Kreditwesens. Sie beschreibt die Problematik der Kreditvergabe und die Notwendigkeit, das Ausfallrisiko zu minimieren.
• Idee der Regressionsanalyse: Dieses Kapitel führt in die grundlegenden Konzepte der Regressionsanalyse ein und erläutert die Anwendungsmöglichkeiten in der Ökonometrie.
• Die multiple lineare Regressionsanalyse: Hier werden die wichtigsten Annahmen des linearen Regressionsmodells vorgestellt. Es werden die verschiedenen Methoden zur Schätzung der Modellparameter erläutert und die Interpretation der geschätzten Koeffizienten beleuchtet.
• Anwendung des Regressionsmodells zur Analyse von Kreditausfallrisiko: Dieses Kapitel beschreibt den Datensatz, der für die Analyse verwendet wird. Es werden die abhängige und unabhängige Variablen definiert und die Besonderheiten bei der Analyse von binären Zielvariablen (Kreditausfall ja/nein) diskutiert. Anschließend wird das lineare Regressionsmodell auf den Datensatz angewendet und die Ergebnisse interpretiert.
• Das Logit-Modell und die Maximum Likelihood-Methode: Dieses Kapitel stellt das Logit-Modell als alternative Methode zur Analyse von binären Zielvariablen vor. Es werden die Ergebnisse des Logit-Modells präsentiert und mit denen des linearen Modells verglichen.

Schlüsselwörter

Die Arbeit konzentriert sich auf die Themen Kreditausfallrisiko, Regressionsanalyse, lineares Modell, Logit-Modell, Maximum Likelihood-Methode, Datensatz, binäre Zielvariable, Einflussfaktoren, Modellgüte und Interpretation der Ergebnisse. Die verwendeten Methoden und Ergebnisse können für die Kreditvergabe und das Risikomanagement von Bedeutung sein.