Improving Random Forest models for predicting credit risk

Abstract

Die Bewertung des Kreditrisikos ist nach wie vor ein grundlegender Aspekt der Finanzmarktstabilität, wobei die Institute auf robuste Modelle angewiesen sind, um die Zuverlässigkeit von Kreditnehmern effektiv einzuschätzen und Ausfallrisiken zu minimieren. Trotz ihres fundamentalen Status werden traditionelle statistische Methoden wie die logistische Regression und die Diskriminanzanalyse durch die Komplexität der Finanzdaten zunehmend in Frage gestellt. Diese Arbeit konzentriert sich auf die Anwendung von Algorithmen des maschinellen Lernens, wobei der Schwerpunkt auf Zufallsbaum-Modellen liegt, um die Modellierung von Kreditrisiken zu verbessern. Zufallsbaum-Modelle bieten mehrere Vorteile, darunter die Fähigkeit, hochdimensionale, kollineare Daten zu verarbeiten und den Auswirkungen von imbalancierten Datensätzen standzuhalten. In dieser Arbeit werden verschiedene Methoden zur Verbesserung der Vorhersagegenauigkeit und Interpretierbarkeit von Zufallsbaum-Modellen diskutiert. Dazu gehören Techniken der Datenauswahl, Methoden der Merkmalsauswahl und die Modifizierung des Entscheidungsprozesses des Zufallsbaum-Modells. Diese Strategien werden im Kontext des Kreditrisikos evaluiert, wobei sowohl die technischen Herausforderungen der Modellkonstruktion als auch die regulatorischen Anforderungen an erklärbare Entscheidungsprozesse berücksichtigt werden.

Credit risk assessment remains a fundamental aspect of financial stability, with institutions relying on robust models to effectively estimate borrower reliability and minimize default risks. Despite their foundational status, traditional statistical methods, such as logistic regression and discriminant analysis, are increasingly challenged by the complexities of financial data. This thesis focuses on the application of machine learning algorithms, with an emphasis on Random Forests, to enhance credit risk modeling. Random Forests offer several advantages, including the capacity to process high-dimensional, collinear data and to withstand the effects of imbalanced datasets. This thesis will discuss various methodologies to enhance the predictive accuracy and interpretability of Random Forests. These include data sampling techniques, feature selection methods and the modification of the voting process of the Random Forest. These strategies are evaluated within the context of credit risk, addressing both the technical challenges of model construction and the regulatory demands for explainable decision-making processes.