Type to search
Modele scoringowe
Wprowadzenie
Oznaczenia
1
Scoring bankowy – podstawowe pojęcia
1.1
Scoring i model scoringowy
1.2
Karta (tablica) scoringowa
1.3
Przykładowy kod w R
1.4
Zadania
2
Typologia bankowych modeli scoringowych
2.1
Typologia ze względu na zmienną celu
2.2
Typologia ze względu na moment zastosowania
2.3
Typologia ze względu na zastosowane dane
2.4
Typologia ze względu na zastosowane narzędzie
2.5
Typologia ze względu na obiekt oceny punktowej
2.6
Typologia ze względu na dostawcę
2.7
Generyczne, ogólne i dedykowane modele scoringowe
2.8
Nazewnictwo w dalszej części skryptu
2.9
Zadania
3
Ocena jakości bankowych modeli scoringowych
3.1
Tablica pomyłek
3.1.1
Przykład tablicy pomyłek:
3.1.2
Miary oparte na tablicy pomyłek
3.1.3
Tablica pomyłek dla modelu scoringowego
3.2
Krzywa ROC
3.3
AUC i współczynnik Giniego
3.4
Inne miary
3.4.1
Statystyka KS
3.4.2
Lift
3.5
Zadania
Przypisy
4
Zmienna celu w modelach scoringowych
4.1
Dobry i zły klient, zaniechanie spłaty (
default
)
4.2
Szansa,
log-odds
5
Źródła danych wykorzystywanych w bankowych modelach scoringowych
5.1
Dane aplikacyjne
5.2
Dane wewnętrzne banku
5.3
Biura kredytowe
5.4
Dane alternatywne
6
Zmienne
6.1
Kubełkowanie (binning)
6.2
Dobór zmiennych
6.3
Brakujące dane
7
Budowa modeli scoringowych
7.1
Narzędzia statystyczne i metody uczenia maszynowego.
7.2
Naiwny klasyfikator bayesowski
7.2.1
Szanse brzegowe, szanse informacyjne (marginal odds, information odds)
8
Regresja logistyczna
9
Drzewa klasyfikacyjne
9.1
Ćwiczenia
10
Reject inference
11
Skalowanie bankowych modeli scoringowych
12
Wykorzystanie bankowych modeli scoringowych
12.1
Ustalanie punktów odcięcia
12.2
Risk-based pricing
13
Proces budowy modelu scoringowego
14
Rozwój bankowych modeli scoringowych – najnowsze trendy
Dodatki
A
Scoringowe zbiory danych
Literatura
Published with bookdown
Facebook
Twitter
LinkedIn
Weibo
Instapaper
A
A
Serif
Sans
White
Sepia
Night
Spacing -
Spacing +
Modele scoringowe
Rozdział 11
Skalowanie bankowych modeli scoringowych