Akademia Finansów i Biznesu Vistula - Centralny System Uwierzytelniania
Strona główna

Credit Risk Management-SPEC:Finance & Financial market

Informacje ogólne

Kod przedmiotu: FAB4SE18FA-L18
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Credit Risk Management-SPEC:Finance & Financial market
Jednostka: Akademia Finansów i Biznesu Vistula
Grupy:
Punkty ECTS i inne: (brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: angielski
Pełny opis: (tylko po angielsku)

1. Z-score formula - the beginning od this concept and its historical development. 1a. Description of discriminant analysis methodology.

1b. Altman method, as well as other balance sheet-based models are not appropriate for financial companies.

2. Bundesbank's application of discriminant analysis methodology (with 3 factors instead of 5 in Altman's model). 2a. Description of idea how to derive a linear econometric model with those 3 variables with the help of Excel spreadsheet based on data from 10 exemplary companies. 2b. The concept of 3 discrimination zones (safe, gray, distress zones). 2c. Selection of cut-off values based on the bank's “appetite for risk”.

3. Weaknesses of discriminate analysis models.

4. Type I and type II errors - accepting bad credits and rejecting good ones.

5. Other applications of scoring criteria - (a) richness, or service intensity, of customers, and (b) scoring consumer loans with different factors (variables) occurring in the resulting econometric model.

6. Conditional default probability and Bayes’ theorem - examples.

6a. Application of Bayes' theorem in credit decision making.

7. Computation of the number of type I errors - how to minimize them.

8. Construction of a table featuring conditional and unconditional default probabilities based on historical data possessed by a bank.

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Akademia Finansów i Biznesu Vistula.
ul. Stokłosy 3
02-787 Warszawa
tel: +48 22 45 72 300 https://vistula.edu.pl/
kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.2.0-3 (2025-05-12)