Build your ultimate AI agent
コース説明
実データを使って、R によるロジスティック回帰と決定木でクレジットリスクをモデリングする方法を学ぶ実践的なコースです。個人向け・法人向けローンのリスクを適切に評価することは、銀行にとって非常に重要です。債務者がデフォルトする確率は、クレジットリスクを測るための重要な要素です。本コースでは他のモデルにも触れますが、クレジットスコアリングで広く用いられる2つのモデル、ロジスティック回帰と決定木に焦点を当てます。特にこの文脈での使い方と、銀行がこれらのモデルをどのように評価するかを学びます。
前提条件
カリキュラム
コース概要
1
導入とデータ前処理
この章では、まずクレジットリスクモデルの全体像を紹介します。実データセットを確認し、モデルを適用できるように適切な形式へと前処理していきます。
2
ロジスティック回帰
ロジスティック回帰は、クレジットリスク・モデリングで今も広く使われています。この章では、R でクレジットデータにロジスティック回帰モデルを適用する方法を学びます。
3
決定木
分類木は、クレジットリスク・モデリングで人気のあるもう一つの手法です。この章では、R を使ってクレジットデータから分類木を構築する方法を学びます。
4
クレジットリスクモデルの評価
この章では、複数のクレジットリスクモデルから得られた結果を評価・比較する方法を学びます。
R
R で学ぶクレジットリスク・モデリング
コース修了
