Skoring kredytowy w STATISTICA


Opis szkolenia: Kurs ten jest przeznaczony dla osób zainteresowanych skoringiem kredytowym i wykonywaniem związanych z nim analiz danych z wykorzystaniem zaawansowanych narzędzi STATISTICA. Uczestnicy dowiedzą się czym jest skoring kredytowy oraz jakie są jego rodzaje. Omówiony zostanie szczegółowo cały proces budowy modeli skoringowych: od definiowania parametrów i przygotowania danych, poprzez segmentację klientów pod kątem ryzyka, po budowę modeli i ich walidację. Kurs został przygotowany i jest prowadzony we współpracy z praktykami mającymi wieloletnie doświadczenie w zakresie skoringu kredytowego m.in. w banku PKO BP, Biurze Informacji Kredytowej.

Wymagania: umiejętność obsługi komputera w środowisku Windows.

Kontynuacją mogą być np.:kursy z cyklu data mining.

Terminy szkoleń:

Kraków: 09.05.2017 - 11.05.2017 [opcjonalnie do 12.05.2017];

Warszawa: 24.10.2017 - 26.10.2017 [opcjonalnie do 27.10.2017];

Program szkolenia

  1. Zamiast wprowadzenia: Skoring kredytowy w praktyce – cele, wyzwania, ograniczenia
    • Co to jest skoring?
    • Rodzaje skoringu kredytowego (aplikacyjny, behawioralny, biurowy)
    • Skoring kredytowy jego rola i wpływ na działalność biznesową
    • Model skoringowy jako element systemu skoringowego – reguły strategie, modele
  2. Proces budowy modelu skoringowego
    • Definiowanie parametrów procesu – czynności przygotowawcze
      • Definicja celu modelowania – definicja dobrego i złego kredytu
      • Identyfikacja wykluczeń
      • Określenie zakresu czasowego
      • Sposoby postępowania z wnioskami odrzuconymi (reject inference)
    • Przygotowanie danych
      • Problemy występujące w danych
      • Analiza jakości danych
      • Dobór próby do budowy modelu
    • Segmentacja populacji klientów pod kątem ryzyka
      • Segmentacja ekspercka a segmentacja statystyczna
      • Segmentacja metodami drzew interakcyjnych CART/CHAID w STATISTICA Data Miner
    • Budowa modelu skoringowego
      • Przygotowanie cech do budowy modelu – dyskretyzacja zmiennych w STATISTICA Zestaw Skoringowy
      • Dobór cech do modelu (siła predykcyjna, stabilność w czasie, interakcje)
      • Budowa modelu regresji logistycznej
        • metody budowy modeli
        • interpretacja wyników
      • Budowa modelu w STATISTICA Zestaw Skoringowy
        • Model regresji logistycznej
        • Kalibracja parametrów modelu do potrzeb biznesowych
        • Budowa wyskalowanej tablicy skoringowej
  3. Modele małej próby
    • Sposoby postępowania w przypadku małej liczby złych kredytów
    • Bootstraping, boosting i agregacja modeli
  4. Walidacja modeli skoringowych
    • Cykl życia modeli skoringowych – rola walidacji
    • Wskaźniki jakości modelu
    • Raporty biznesowe (final score report, characteristic report, wykres bad rate, wykres odds)
    • Określanie optymalnego punktu odcięcia
    • Wskaźniki stabilności populacji

Dzień 4 (opcjonalny):

    1. Dodatkowe metody budowy modeli
      • Modele typu survival (analiza przeżycia)
        • Charakterystyka modeli
        • Model zrównoważonego hazardu Coxa
        • Przykład analizy
      • Modelowanie więcej niż dwóch klas zmiennej zależnej
        • Wielomianowy model logitowy
        • Przykład analizy
      • Budowa modeli skoringowych metodami data mining
        • Sieci neuronowe
        • Drzewa wzmacniane (boosted trees)
        • Losowy las (random forests)
        • Przykład analizy