Über 700 Kurse zum halben Preis
Kursbeschreibung
In diesem praxisnahen Kurs mit echten Kreditdaten lernst du, wie du Kreditrisiken mit logistischer Regression und Entscheidungsbäumen in R modellierst. Das Modellieren von Kreditrisiken für Privat- und Firmenkredite ist für Banken von zentraler Bedeutung. Die Wahrscheinlichkeit, dass ein Schuldner ausfällt, ist ein Schlüsselelement, um das Kreditrisiko zu quantifizieren. Neben weiteren Modellen, die ebenfalls kurz vorgestellt werden, lernst du zwei Modelltypen kennen, die im Credit-Scoring häufig eingesetzt werden: logistische Regression und Entscheidungsbäume. Du erfährst, wie du sie in diesem Kontext nutzt und wie Banken diese Modelle bewerten.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Einführung und Datenvorverarbeitung
Dieses Kapitel startet mit einer allgemeinen Einführung in Kreditrisikomodelle. Wir schauen uns einen Datensatz aus der Praxis an und bereiten ihn dann so vor, dass er im passenden Format vorliegt, bevor wir die Kreditrisikomodelle anwenden.
- Einführung und Datenstruktur50 XP
- Den Kreditdatensatz erkunden100 XP
- Eine CrossTable() interpretieren50 XP
- Histogramme und Ausreißer50 XP
- Histogramme100 XP
- Ausreißer100 XP
- Fehlende Daten und grobe Klassifizierung50 XP
- Fehlende Daten löschen100 XP
- Fehlende Daten ersetzen100 XP
- Fehlende Daten beibehalten100 XP
- Datensplitting und Konfusionsmatrizen50 XP
- Den Datensatz aufteilen100 XP
- Eine Konfusionsmatrix erstellen100 XP
2
Logistische Regression
Die logistische Regression ist nach wie vor eine weit verbreitete Methode in der Kreditrisikomodellierung. In diesem Kapitel lernst du, wie du logistische Regressionsmodelle in R auf Kreditdaten anwendest.
3
Entscheidungsbäume
Klassifikationsbäume sind eine weitere beliebte Methode in der Kreditrisikomodellierung. In diesem Kapitel lernst du, wie du mit Kreditdaten in R Klassifikationsbäume erstellst.
4
Bewertung eines Kreditrisikomodells
In diesem Kapitel lernst du, wie du die Ergebnisse mehrerer Kreditrisikomodelle bewertest und miteinander vergleichst.
R
Kreditrisikomodellierung in R
Kurs
abgeschlossen
