Rezumatul cursului

Modelarea Riscului de Credit în Python

Michael Crabtree

Data Scientist, Ford Motor Company

Parcursul dumneavoastră... până acum

  • Pregătirea datelor de credit pentru modele de machine learning

    • Important să înțelegeți datele
    • Îmbunătățirea datelor permite modele simple cu performanțe ridicate

  • Dezvoltarea, scorarea și înțelegerea regresiei logistice și a arborilor gradient boosted

  • Analiza performanței modelelor prin modificarea datelor

  • Înțelegerea impactului financiar al rezultatelor
  • Implementarea modelului cu o înțelegere a strategiei
Modelarea Riscului de Credit în Python

Tehnici de modelare a riscului

  • Modelele și cadrul din acest curs:

    • Modelul de risc discret în timp (punct în timp): probabilitatea de nerambursare este un eveniment punctual
    • Cadrul modelului structural: modelul explică evenimentul de nerambursare pe baza altor factori

  • Alte tehnici

    • Modelul ciclic continuu (timp continuu): sunt utilizate condițiile macroeconomice și alți factori, dar riscul este tratat ca un eveniment independent
    • Cadrul modelului de formă redusă: o abordare statistică care estimează probabilitatea de nerambursare ca eveniment independent bazat pe distribuția Poisson
Modelarea Riscului de Credit în Python

Alegerea modelelor

  • Există multe modele de machine learning, dar s-au utilizat regresia logistică și modelele arbore

    • Aceste modele sunt simple și explicabile
    • Performanța lor asupra probabilităților este acceptabilă

  • Multe sectoare financiare preferă interpretabilitatea modelelor

    • Modelele complexe sau „black-box" prezintă un risc, deoarece activitatea nu poate fi explicată complet
    • Rețelele neuronale profunde sunt adesea prea complexe
Modelarea Riscului de Credit în Python

Sfaturi de la mine pentru dumneavoastră

  • Concentrați-vă pe date

    • Colectați cât mai multe date posibil
    • Folosiți tehnici variate pentru pregătirea și îmbunătățirea datelor
    • Cunoașteți domeniul de activitate
    • Creșteți valoarea prin date

  • Complexitatea modelului poate fi o sabie cu două tăișuri

    • Modelele foarte complexe pot performa bine, dar sunt percepute ca „black-box"
    • În multe cazuri, utilizatorii din mediul de afaceri nu acceptă un model pe care nu îl pot înțelege
    • Modelele complexe pot fi foarte mari și dificil de pus în producție
Modelarea Riscului de Credit în Python

Vă mulțumesc!

Modelarea Riscului de Credit în Python

Preparing Video For Download...