Przejdź do głównej treści

Strona główna R

Kurs

Modelowanie ryzyka kredytowego w R

ŚredniozaawansowanyPoziom umiejętności

Zaktualizowano 11.2023

Stosuj modelowanie statystyczne w praktyce, używając regresji logistycznej i drzew decyzyjnych do modelowania ryzyka kredytowego.

Zacznij kurs za darmo

RApplied Finance

4 godz.

16 filmów

52 Ćwiczenia

4,000 XP

48,377

Zaświadczenie o ukończeniu

Uwielbiany przez kursantów z tysięcy firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Ten praktyczny kurs oparty na rzeczywistych danych kredytowych nauczy cię, jak modelować ryzyko kredytowe za pomocą regresji logistycznej i drzew decyzyjnych w R. Modelowanie ryzyka kredytowego – zarówno dla pożyczek osobistych, jak i firmowych – ma kluczowe znaczenie dla banków. Prawdopodobieństwo niewywiązania się dłużnika ze zobowiązań jest podstawowym składnikiem pomiaru ryzyka kredytowego. W kursie omówimy kilka podejść, ze szczególnym naciskiem na dwa typy modeli powszechnie stosowane w scoringu kredytowym: regresję logistyczną i drzewa decyzyjne. Dowiesz się, jak je stosować w tym konkretnym kontekście oraz jak banki oceniają skuteczność takich modeli.

Wymagania wstępne

Intermediate R for Finance

1

Introduction and data preprocessing

This chapter begins with a general introduction to credit risk models. We'll explore a real-life data set, then preprocess the data set such that it's in the appropriate format before applying the credit risk models.

Introduction and data structure

Exploring the credit data

Interpreting a CrossTable()

Histograms and outliers

Missing data and coarse classification

Deleting missing data

Replacing missing data

Keeping missing data

Data splitting and confusion matrices

Splitting the data set

Creating a confusion matrix

Zacznij rozdział

2

Logistic regression

Logistic regression is still a widely used method in credit risk modeling. In this chapter, you will learn how to apply logistic regression models on credit data in R.

Logistic regression: introduction

Basic logistic regression

Interpreting the odds for a categorical variable

Multiple variables in a logistic regression model

Interpreting significance levels

Logistic regression: predicting the probability of default

Predicting the probability of default

Making more discriminative models

Evaluating the logistic regression model result

Specifying a cut-off

Comparing two cut-offs

Wrap-up and remarks

Comparing link functions for a given cut-off

Zacznij rozdział

3

Decision trees

Classification trees are another popular method in the world of credit risk modeling. In this chapter, you will learn how to build classification trees using credit data in R.

What is a decision tree?

Computing the gain for a tree

Changing one Gini...

Building decision trees using the rpart()-package

Undersampling the training set

Changing the prior probabilities

Including a loss matrix

Pruning the decision tree

Pruning the tree with changed prior probabilities

Pruning the tree with the loss matrix

Other tree options and the construction of confusion matrices

One final tree using more options

Confusion matrices and accuracy of our final trees

Optimizing the accuracy

Zacznij rozdział

4

Evaluating a credit risk model

In this chapter, you'll learn how you can evaluate and compare the results obtained through several credit risk models.

Finding the right cut-off: the strategy curve

Computing a bad rate given a fixed acceptance rate

The strategy table and strategy curve

To tree or not to tree?

The ROC-curve

ROC-curves for comparison of logistic regression models

ROC-curves for comparison of tree-based models

Input selection based on the AUC

Another round of pruning based on AUC

Best of four

Further model reduction?

Course wrap-up

Zacznij rozdział

Modelowanie ryzyka kredytowego w R

Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Modelowanie ryzyka kredytowego w R już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.