Ever since the latest Basel Capital Accord, banks are encouraged to estimate credit risk capital requirements according to an internal ratings based method. One of the necessary components required to be estimated in such an approach is the recovery rate, i.e. fraction of the credit exposure that is retrieved incase of a default. This thesis aims to determine the most inuential factors for the recovery rate and examine the ability of beta transformed linear regression models, beta regression models and two step logistic regression models to forecast bank loan recovery rates. This is done using the largest bank loan credit default data set, provided by the Global Credit Data. The analysis is performed in both the univariate case as well as the multivariate case. Additionally, we investigate timeaggregated models and discover the importance of time shifted macro economic data. The results suggest that the predictive power of a simple general model for individual loans is rather low, due to the bimodal nature of recovery rates and the presence of interactions between covariates, but can be improved greatly by considering subsets or time aggregated recovery rates.     «

Ever since the latest Basel Capital Accord, banks are encouraged to estimate credit risk capital requirements according to an internal ratings based method. One of the necessary components required to be estimated in such an approach is the recovery rate, i.e. fraction of the credit exposure that is retrieved incase of a default. This thesis aims to determine the most inuential factors for the recovery rate and examine the ability of beta transformed linear regression models, beta regression mod...     »

Seit dem letzten Basel Abkommen, sind Banken in der Lage basierend auf internen Ratings basierenden Methoden ihr Kredit-Risiko-Kapital selbst zu bestimmen. Dafür ist es notwendig, die Darlehens-Rückzahlungsrate (RR), den Bruchteil des Kreditvolumens, der bei Zahlungsausfall wieder zurückgewonnen wird, zu bestimmen. Das Ziel dieser Masterarbeit ist die wichtigsten Einussfaktoren auf die RR zu ermitteln und bewertet die Fähigkeit von beta-transformierten linearen Regressionsmodellen und Beta-Regressionsmodellen die RR für Bankdarlehen zu schätzen. Dafür wird der von der Global Credit Data zu Verfügung gestellte Datensatz benutzt. Die Analyse befasst sich dabei sowohl mit dem univariaten, wie mit dem multivariaten Fall. Außerdem befassen wir uns mit zeitlich aggregierte Modellen, und entdecken die Signifikanz einer zeitlichen Verschiebung der makro-öknomischen Variablen in diesen. Die Ergebnisse lassen darauf schließen, dass die Vorhersagekraft eines einfachen allgemeinen Model, wegen der bimodalen Verteilung der RR und der Anwesenheit von Interaktionen, eher gering ist, aber durch Beschränkung auf kleinere Teilmengen oder durch zeitliche Aggregierung, stark verbessert werden kann.     «

Seit dem letzten Basel Abkommen, sind Banken in der Lage basierend auf internen Ratings basierenden Methoden ihr Kredit-Risiko-Kapital selbst zu bestimmen. Dafür ist es notwendig, die Darlehens-Rückzahlungsrate (RR), den Bruchteil des Kreditvolumens, der bei Zahlungsausfall wieder zurückgewonnen wird, zu bestimmen. Das Ziel dieser Masterarbeit ist die wichtigsten Einussfaktoren auf die RR zu ermitteln und bewertet die Fähigkeit von beta-transformierten linearen Regressionsmodellen und Beta-Regre...     »