Credit Risk of P2P Lending on the Czech Market

• Název práce v češtině: Kreditní riziko v platformě P2P v České republice
• Název v anglickém jazyce: Credit Risk of P2P Lending on the Czech Market
• Klíčová slova: P2P půjčky, Zonky, český trh, informační asymetrie, úvěrové selhání, úvěrové riziko, FinTech
• Klíčová slova anglicky: P2P lending, credit default, czech market, Zonky, credit risk, information asymmetry, FinTech
• Akademický rok vypsání: 2016/2017
• Typ práce: bakalářská práce
• Jazyk práce: angličtina
• Ústav: Institut ekonomických studií (23-IES)
• Vedoucí / školitel: prof. Ing. Oldřich Dědek, CSc.
• Řešitel: skrytý - zadáno vedoucím/školitelem
• Datum přihlášení: 12.06.2017
• Datum zadání: 12.06.2017
• Datum a čas obhajoby: 13.06.2018 09:00
• Místo konání obhajoby: Opletalova - Opletalova 26, O105, Opletalova - místn. č. 105
• Datum odevzdání elektronické podoby: 10.05.2018
• Datum proběhlé obhajoby: 13.06.2018
• Oponenti: PhDr. František Čech, Ph.D.

Seznam odborné literatury

Yao F., Sui X. (2016) The Research to the Influential Factors of Credit Risk in the P2P Network Loan Under the Background
of Internet Financial. In: Qi E., Shen J., Dou R. (eds) Proceedings of the 22nd International Conference on Industrial
Engineering and Engineering Management 2015. Atlantis Press, Paris

Serrano-Cinca C, Gutiérrez-Nieto B, López-Palacios L. (2015) Determinants of Default in P2P Lending. PLoS ONE 10(10):
e0139427. https://doi.org/10.1371/journal.pone.0139427

Lin, Xuchen, Xiaolong Li, and Zhong Zheng. (2016) Evaluating borrower’s default risk in peer-to-peer lending: evidence
from a lending platform in China. Applied Economics: 1-8.

Chang, Shunpo, Simon Dae-oong Kim, and Genki Kondo. (2015-2016) Predicting Default Risk of Lending Club Loans.

Berger, Sven C., and Fabian Gleisner. (2009) Emergence of financial intermediaries in electronic markets: The case of online
P2P lending. BuR-Business Research 2.1 39-65.

Lin, Mingfeng, Nagpurnanand R. Prabhala, and Siva Viswanathan. (2013) Judging borrowers by the company they keep:
friendship networks and information asymmetry in online peer-to-peer lending. Management Science 59.1: 17-35.

Klafft, Michael. (2008) Online peer-to-peer lending: a lenders' perspective.

Předběžná náplň práce

V dřívější době se řada akademických studií zaměřených na toto téma soustředila na analýzu dat z Lending Clubu (největší P2P platforma na americkém trhu) - především kvůli dostupnosti veřejných dat a také vysokému počtu pozorování. Přední platformou P2P na českém trhu je Zonky, což z ní dělá nejvhodnější zdroj pro analýzu. Vzhledem k tomu, že trh P2P je v ČR relativně mladý, údaje nejsou veřejně dostupné a výsledných pozorování bude méně, než na americkém trhu. Mým přínosem bude tedy analýza dat na českém trhu. Na většině P2P platforem s sebou nesou věřitelé riziko úvěrového selhání, což vytváří informační asymetrii. Přestože platformy zaznamenávají riziko každého dlužníka, není to zcela transparentní proces a věřitel musí často důvěřovat platformě jako spolehlivému zdroji hodnocení rizik.
V teoretické části mé práce se zaměřím na základní informace o P2P půjčkách, její historii a také zmíním některé budoucí vize. V praktické části budu analyzovat pravděpodobnost úvěrového selhání na Zonky pomocí modelu logit nebo probit. Jako závislou proměnnou budu používat binární proměnnou pro úvěrové selhání a jako nezávislé proměnné budu používat např. účel půjčky, věk, pohlaví, rodinný stav, úroveň vzdělání, měsíční příjem, rizikové skóre od Zonky, současné zadlužení, výše úvěru, úroková sazba a termín úvěru.
Pomocí vhodně zvoleného modelu se pokusím předpovědět výchozí hodnoty na Zonky a porovnat výsledky s dalšími studiemi, které byly zaměřeny na jiné platformy. Na základě výsledků vyhodnotím možné příčiny.

Předběžná náplň práce v anglickém jazyce

Previously, many academic studies on this topic have focused on analyzing data from the Lending Club (the largest P2P platform on the U.S. market) – mainly because of the availability of public data and also high number of observations. The leading P2P platform on the Czech market is Zonky, which makes it the most appropriate resource to analyze. However, because P2P market is relatively immature on the Czech market, the data is not publicly available and there will be less observations than on the U.S. market. Therefore, my contribution to the topic will be acquiring and analyzing the data on the Czech market as opposed to more common publicly available data.
On most of the P2P lending platforms, the lenders bear the risk of default, which creates a problem of information asymmetry. Even though the platforms score the risk of each borrower, it is not a fully transparent process and the lender often has to trust the platform as a reliable source of evaluating risk.
In the theoretical part of my work I will focus on basic information about P2P Lending, its history and also some future visions. In the practical part, I will analyze the probability of credit default on Zonky by using either a logit or a probit model. As a dependent variable, I will be using a binary variable for credit default and as explanatory contributory variables, I will be using variables such as purpose of a loan, age, gender, marital status, educational level, monthly income, Zonky risk score, current indebtedness, a loan amount, an interest rate and loan term.
The model will attempt to predict defaults on Zonky and then compare the results with other studies, which were focused on other platforms. Based on the results, I will evaluate possible causes.