03584ntm a22005897i 4500 000724815 CZ-PrVSE 20250629141137.0 m d cr n|||||||||| 250629s2025 xr fsbm 000 0 eng d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Beneš, Martin ISIS:173039 dis Využití neuronových sítí a hlubokého učení pro analýzu přežití v kreditním riziku eng Use of Neural networks and Deep Learning for survival analysis in Credit Risk / Martin Beneš 2025 ?? stran : digital, PDF soubor Vedoucí práce: Jakub Drahokoupil Diplomová práce (Ing.)—Vysoká škola ekonomická v Praze. Fakulta financí a účetnictví, 2025 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2025 This thesis explores the application of survival analysis and machine learning techniques to credit risk modeling, focusing specifically on predicting the probability of default (PD) over a discrete-time horizon. A model based on the DeepHit architecture is developed for PD estimation and benchmarked against three other models: CoxTime, Random Survival Forest (RSF), and the standard Cox Proportional Hazards (CPH) model. The models are trained and evaluated on a real-world dataset of credit card clients from Taiwan, using survival analysis metrics such as the C-index and Integrated Brier Score (IBS). The results show that while DeepHit is capable of producing meaningful PD outputs, the RSF and CoxTime models outperform it in both discrimination and calibration. The models' mean survival predictions are further compared against empirical Kaplan–Meier estimates to assess the alignment. A series of hypotheses are formulated and statistically tested using bootstrapped confidence intervals. The study concludes that modern machine learning methods improve upon the baseline CPH model, but their practical deployment depends on interpretability and stability across real-world settings. Způsob přístupu: Internet finanční inženýrství [obor dipl. práce] diplomové práce fd132022 czenas master's theses eczenas DeepHit Probabilty of Default Survival Analysis Neural Networks Credit Risk Modeling Deep Learning Cox Proportional Hazards Model Kaplan-Meier Estimate Drahokoupil, Jakub ISIS:120064 ths Jouda, Jan ISIS:141453 opn Vysoká škola ekonomická v Praze. Fakulta financí a účetnictví kn20010709398 dgg https://insis.vse.cz/zp/86061/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/86061 Hlavní práce https://insis.vse.cz/zp/86061/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/86061/posudek/oponent/88078 Oponentura https://insis.vse.cz/zp/86061/priloha/32139 Přiloha k práci https://insis.vse.cz/zp/86061/priloha/32140 Přiloha k práci https://insis.vse.cz/zp/86061/priloha/32141 Přiloha k práci https://insis.vse.cz/zp/86061/podrobnosti dc:identifier NEPOSILAT VSKP vse86061 250625 86061