kth.sePublications
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Clustering and classification of prepaid mortgages
KTH, School of Engineering Sciences (SCI), Mathematics (Dept.), Mathematics (Div.).
2023 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Klustring och klassificering av förbetalda bostadslån (Swedish)
Abstract [en]

This thesis aims to cluster and classify mortgages issued by a financial institution. The aim is to apply machine learning techniques on historical data in order to discover a possible structure and predictability in prepaid mortgages. To discover the underlying structure of the data \textit{k}-means clustering on principal components is performed to cluster customers with mortgages.A logistic regression model is trained to predict how likely (future) customers with mortgages are to prepay their loans, hence moving them to another institution. The classification model is evaluated using confusion matrices for different levels of thresholds. The results show that based on historical data the model detects clusters which include a higher proportion of mortgages being prepaid. This indicating an underlying structure which can be used to determine a riskiness of leaving for customers within each cluster. The results from the logistic regression show a significant improvement in precision by using a high threshold in the classification.

Abstract [sv]

Målet med uppsatsen är att gruppera och klassificera bostadslån utställda av en finansiell institution. Målet är att tillämpa maskininlärningstekniker på historisk data för att upptäcka en möjlig struktur och förutsägbarhet i förskottsbetalda bostadslån.För att upptäcka den underliggande strukturen i datamängden utförs \textit{k}-means klustring på principalkomponenter för att gruppera kunder med bostadslån. En logistisk regressionsmodell tränas för att förutsäga hur sannolikt det är att (framtida) kunder med bostadslån kommer att förskottsbetala sina lån, och därmed flytta dem till en annan institution. Klassificeringsmodellen utvärderas med hjälp av förvirringsmatriser för olika tröskelnivåer. Resultaten visar att baserat på historisk data upptäcker modellen kluster som innehåller en högre andel förskottsbetalda bostadslån. Detta indikerar en underliggande struktur som kan användas för att bestämma risken för att kunder inom varje kluster lämnar institutionen. Resultaten från den logistiska regressionsmodellen visar en betydande förbättring av precisionen genom att använda en hög tröskel vid klassificeringen.

Place, publisher, year, edition, pages
2023. , p. 50
Series
TRITA-SCI-GRU ; 2023:456
Keywords [en]
Clustering, Classification
Keywords [sv]
Klustring, Klassificering
National Category
Other Mathematics
Identifiers
URN: urn:nbn:se:kth:diva-344622OAI: oai:DiVA.org:kth-344622DiVA, id: diva2:1846355
External cooperation
Svenska Handelsbanken
Subject / course
Financial Mathematics
Educational program
Master of Science - Applied and Computational Mathematics
Supervisors
Examiners
Available from: 2024-03-22 Created: 2024-03-22 Last updated: 2024-03-22Bibliographically approved

Open Access in DiVA

fulltext(1464 kB)47 downloads
File information
File name FULLTEXT01.pdfFile size 1464 kBChecksum SHA-512
8fd290d3470c5863b89ce65fb5c8aa819c78c2ba4e7ca8ce445d81aea998b1b16c37a6220a1b1dffebff2295ad85927226ef5e6598e8bbeceebbad04c56b69da
Type fulltextMimetype application/pdf

By organisation
Mathematics (Div.)
Other Mathematics

Search outside of DiVA

GoogleGoogle Scholar
Total: 47 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 111 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf