Pemodelan Risiko Kredit dengan Python

Dengan data pinjaman yang sudah sepenuhnya siap, kita akan membahas model regresi logistik yang menjadi standar dalam pemodelan risiko. Kita akan memahami komponen model ini serta cara menilai kinerjanya. Setelah membuat prediksi, kita dapat mengeksplorasi dampak finansial dari penggunaan model ini.

Pohon keputusan adalah model risiko kredit standar lainnya. Kita akan melampaui pohon keputusan dengan menggunakan paket XGBoost yang sedang tren di Python untuk membuat gradient boosted trees. Setelah mengembangkan model yang canggih, kita akan melakukan stress test terhadap kinerjanya dan membahas pemilihan kolom pada data yang tidak seimbang.

Setelah mengembangkan dan menguji dua model machine learning yang kuat, kita menggunakan metrik kinerja utama untuk membandingkannya. Dengan teknik pemilihan model tingkat lanjut khusus untuk pemodelan finansial, kita akan memilih satu model. Dengan model tersebut, kita akan: mengembangkan strategi bisnis, memperkirakan nilai portofolio, dan meminimalkan kerugian yang diharapkan.