Szkolenie – Statystyczny SCORING Bankowy

Szkolenie – Statystyczny SCORING Bankowy

Szkolenie – Statystyczny SCORING Bankowy – Przedmiotem szkolenia jest zapoznanie jego uczestników scoringu statystycznego, a także jego budowa polegająca na modelowaniu zebranych informacji oraz konstrukcji karty scoringowej mającej na celu ocenę punktową osoby ubiegającej się o kredyt. Oferta szkolenie obejmuje wszystkie czynności niezbędne do wykonania profesjonalnego modelu statystycznego o zmaksymalizowanych parametrach dyskryminacyjnych klientów spłacających i niespłacających zobowiązania bankowego terminie.

Czym jest SCORING w banku?

Model scoringowy, który oparty jest nowoczesne algorytmy statystyczne jest zbudowaną z danych historycznych matematyczną różdżką, która z oczekiwaną pewnością ocenia zdolność klienta do spłaty zobowiązania w określonym czasie. Skuteczność modelu scoringowej opiera się na prostej teorii polegającej na wnioskowaniu z przeszłości o przyszłości. Wykorzystywane dane historyczne o klientach podlegają ocenie statystycznej w kontekście zdolności do odróżniania klientów spłacających od niespłacających. Zebrane i ocenione zmienne po odpowiednim modelowaniu, zbadaniu interakcji z innymi cechami klientów i maksymalizacji trafności w odróżnianiu klientów złych od dobrych budują model statystyczny, który jest oparty o mocne podstawy liczbowe i teoretyczne. Model taki jest podstawą od wielowymiarowej oceny punktowej nowego klienta w kontekście ryzyka przyznania kredytu. Ocena punktowa wraz z informacjami o oczekiwanej spłacalności i jej braku jest sposobem na utrzymanie bądź zmianę strategii kredytowej banku. Karta taka zawiera oszacowane w skali od 0 do 100% proporcje przewidywanych kredytów spłaconych do kredytów niespłaconych. Oczekiwana spłata i strata przy danym punkcie odcięcia na skali punktowej stanowi podstawę do podejmowania decyzji o przyznaniu kredytu. Analizy statystyczne najczęściej wykorzystywane do oceny ryzyka i pełniące funkcje silników decyzyjnych, to regresja logistyczna, drzewa decyzyjne, losowe lasy, SVM, analiza deyskryminacyjna, naiwny klasyfikator bayesa, a także sieci neuronowe (wielowarstwowy perceptron) i stochastyczne gradienty w specyficznych przypadkach produkcyjnych. W Metodolog.pl wykorzystujemy podejście do danych i analizy zbliżone do metodologii CRISP-DM.

Szkolenie – Statystyczny SCORING Bankowy – Czego dotyczy szkolenie?

Metody i tematy jakie będą wykorzystane w pracach mających na celu konstrukcję karty scoringowej.

  1. Ocena jakości i poprawności danych
  2. Sformułowanie definicji dobrego i złego klienta.
  3. Eksploracja danych pod kątem obserwacji odstających i wątpliwych, a także braków danych
  4. Modelowanie danych za pomocą technik ręcznych, wizualizacyjnych oraz statystycznych w przewidywanej proporcji odpowiednio 15%, 45% i 40%.
  5. Dobór zmiennych do modelu mających znaczenie w przewidywaniu spłat.
  6. Badanie interakcji między zmiennymi w przewidywaniu spłat
  7. Testowanie modeli statystycznych, które są kompromisem między prostą i oszczędnością zmiennych, a siłą predykcyjną w przewidywaniu spłat.
  8. Testowanie algorytmów statystycznych w kontekście testowanych modeli w punkcie g.
  9. Testowanie wybranych modeli statystycznych na próbie treningowej (która nie brała udziału w budowie modelu)
  10. Testowanie modeli na próbie walidacyjnej (heterogeniczna i skromna próbka klientów mająca na celu symulować charakterystyki nowych klientów banku).
  11. Wybór modelu i budowa karty scoringowej.
  12. Budowa tabeli oszacowań proporcji spłat i ich braku przy każdym punkcie odcięcia na skali punktowej generowanej przez kartę scoringową.
  13. Metody mające na celu walidację poprawności działania modelu.
  14. Podstawową metodą oceny końcowego modelu jest to, czy model zbudowany na próbie uczącej jest zdolny do uogólniania wiedzy na zbiorze treningowym. Porównanie oszacowań modelu uczącego z modelem treningowym jest procedurą niezbędną do podjęcia decyzji o poprawności przewidywań modelu scoringowego na próbie walidacyjnej, a także na produkcji w banku. Dzięki tej procedurze jest możliwe wybranie modelu, który zwróci w warunkach produkcyjnych właściwości podobne do tych uzyskanych podczas analizy.
  15. Etapem weryfikującym jednoznacznie trafność przewidywań modelu będzie wygenerowanie losowych, a także stronniczych obserwacji przez generator liczb pseudolosowych i przeanalizowanie ich przez zbudowany model. Wyniki uzyskane na poziomie konkretnego punktu odcięcia mogą być porównane z opinią eksperta, a także z przewidywaniami ustalonymi przez model uczący i treningowy.

Ocena jakości modelu będzie się odbywać o klasyczne wskaźniki i testy statystyczne informujące o zdolności dyskryminacyjnej osób spłacających i niespłacających, a także dopasowaniu modelu do zebranych danych przez bank. Wskaźnikami tymi jest Area Under Curve, R2, R2 Coxa Snella, R2 Naglekerkego, R2 McFaddena, Kołmogorow Smirnow Distance, a także Weight of Evidence, Information Value, D Cohena, AIC, BIC oraz techniki graficzne polegające na ocenie histogramów.

Szkolenie – Statystyczny SCORING Bankowy – Zachęcamy do kontaktu.