Build your ultimate AI agent
Mô tả khóa học
Khóa học thực hành với dữ liệu tín dụng thực tế này sẽ hướng dẫn bạn mô hình hóa rủi ro tín dụng bằng hồi quy logistic và cây quyết định trong R. Việc mô hình hóa rủi ro tín dụng cho cả khoản vay cá nhân và doanh nghiệp có ý nghĩa quan trọng đối với các ngân hàng. Xác suất người vay vỡ nợ là thành phần then chốt để đo lường rủi ro tín dụng. Bên cạnh việc giới thiệu một số mô hình khác, bạn sẽ tìm hiểu về hai loại mô hình thường dùng trong bối cảnh chấm điểm tín dụng: hồi quy logistic và cây quyết định. Bạn sẽ học cách áp dụng chúng trong bối cảnh cụ thể này, và cách các ngân hàng đánh giá các mô hình đó.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Giới thiệu và tiền xử lý dữ liệu
Chương này bắt đầu với phần giới thiệu tổng quan về các mô hình rủi ro tín dụng. Chúng ta sẽ khám phá một bộ dữ liệu thực tế, sau đó tiền xử lý dữ liệu để đưa về định dạng phù hợp trước khi áp dụng các mô hình rủi ro tín dụng.
- Giới thiệu và cấu trúc dữ liệu50 XP
- Khám phá dữ liệu tín dụng100 XP
- Diễn giải một CrossTable()50 XP
- Biểu đồ tần suất và giá trị ngoại lai50 XP
- Biểu đồ tần suất (Histogram)100 XP
- Giá trị ngoại lai100 XP
- Thiếu dữ liệu và phân loại thô50 XP
- Xóa dữ liệu bị thiếu100 XP
- Thay thế dữ liệu thiếu100 XP
- Giữ lại dữ liệu thiếu100 XP
- Chia dữ liệu và ma trận nhầm lẫn50 XP
- Chia tập dữ liệu100 XP
- Tạo ma trận nhầm lẫn100 XP
2
Hồi quy logistic
Hồi quy logistic vẫn là một phương pháp được sử dụng rộng rãi trong mô hình hóa rủi ro tín dụng. Trong chương này, bạn sẽ học cách áp dụng các mô hình hồi quy logistic lên dữ liệu tín dụng trong R.
3
Cây quyết định
Cây phân loại là một phương pháp phổ biến khác trong lĩnh vực mô hình hóa rủi ro tín dụng. Trong chương này, bạn sẽ học cách xây dựng cây phân loại bằng dữ liệu tín dụng trong R.
4
Đánh giá mô hình rủi ro tín dụng
Trong chương này, bạn sẽ học cách đánh giá và so sánh kết quả thu được từ nhiều mô hình rủi ro tín dụng khác nhau.
R
Mô hình hóa rủi ro tín dụng bằng R
Hoàn
thành khóa học
