After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
コース説明
クレジットカードやローンに申し込んだことがあれば、金融機関が審査の前に情報を精査することをご存じだと思います。貸し出しは企業の収益に大きな影響を及ぼす可能性があるためです。では、どのように判断しているのでしょうか？このコースでは、まずクレジット申込データの前処理方法を学びます。そのうえで、Machine Learning とビジネスルールを適用し、リスクを低減しながら収益性を確保します。実務の申込データを模した2つのデータセットを使い、ビジネス価値に焦点を当てて進めます。ぜひ一緒に、クレジットリスクモデリングにおける期待値の考え方を身につけましょう！
前提条件
カリキュラム
コース概要
1
ローンデータの探索と前処理
第1章では、クレジットリスクの概念とその算出方法を確認します。クロス集計や可視化を用いて、実データセットを探索します。Machine Learning を適用する前に、問題点を見つけて解消しながらデータを前処理していきます。
2
延滞予測のためのロジスティック回帰
ローンデータの準備が整ったら、リスクモデリングの標準手法であるロジスティック回帰について学びます。モデルの構成要素と性能の評価方法を理解します。予測を作成した後は、このモデルを活用した場合の財務インパクトも検討します。
3
XGBoost による勾配ブースティング木
決定木もクレジットリスクにおける標準的なモデルです。ここでは一歩進めて、Python の人気パッケージ XGBoost を使って勾配ブースティング木を作成します。高度なモデルを構築したら、ストレステストで性能を確認し、不均衡データにおける特徴量選択について議論します。
4
モデル評価と実装
2つの強力な Machine Learning モデルを構築・検証したら、主要な評価指標で比較します。金融モデリングに特化した高度なモデル選択手法を用いて、最適なモデルを選定します。そのモデルを使って、ビジネス戦略の立案、ポートフォリオ価値の推定、期待損失の最小化まで行います。
Pythonで学ぶクレジットリスクモデリング
コース修了
