Меню
Ваш город:
8 (499) 343-88-67
Курс (OSPSS-5) Практика построения скоринговых моделей
Формат Дистанционно
IT, Информационные системы SPSS
Уровень подготовки Высокий
Дата проведения
14 Октября 2016 — 01 Августа 2017
Продолжительность
3 лекции ( 4 часа )
Формат занятий
1 человек
Язык преподавания
Русский
36 000 Р
Ознакомьтесь с условиями приема
  • Обучение проходит путем предоставления видео контента. Обеспечивается поддержка преподавателем.
Получите подтверждение об окончании
  • Сертификат
Описание мероприятия

Требуемый уровень подготовки: Продвинутый

Содержание:

Тема 1. Введение в построение скоринговых моделей – 2 ак.ч.

  • Понятие скоринга
  • Области применения скоринга
  • Особенности банковского скоринга
  • Задачи построения скоринговых моделей
  • Классификация скоринговых моделей
  • Понятие скоринговой карты
  • Статистические методы для построения скоринговых карт
  • Инструменты для построения скоринговых моделей
  • Предпосылки построения скоринговых моделей

Тема 2. Подготовка данных для построения скоринговой модели – 4 ак.ч.

  • Определение генеральной и выборочной совокупности
  • Признаки и переменные
  • Шкалы измерения переменных
  • Определение целевой переменной
  • Определение показательного периода и окна выборки
  • Проверка правильности выбора целевой переменной
  • Выбор независимых переменных
  • Поиск логических несоответствий и ошибок в данных
  • Работа с пропущеными значениями
  • Перекодировка значений переменных
  • Задание условий отбора наблюдений
  • Выбор оптимального количества предикторов и наблюдений
  • Проблема соотношения положительных и отрицательных исходов целевой переменной
  • Прореживание и взвешивание данных
  • Вычисление новых переменных
  • Обучающая и тестовая выборка
  • Задание сегментов Определение объема и ошибки выборки

Тема 3. Проверка и исследование данных для построения скоринговой модели – 4 ак.ч.

  • Исследование категориальных переменных
  • Таблицы сопряженности для анализа категориальных переменных
  • Двумерные таблицы сопряженности
  • Анализ процентов в таблице сопряженности
  • Анализ ожидаемых частот и остатков в таблицах сопряженности
  • Статистическая гипотеза
  • Нулевая и альтернативная гипотеза
  • Виды статистических ошибок
  • Статистический критерий
  • Критерий независимости хи-квадрат
  • Меры связи для категориальных шкал
  • Показатели риска для таблиц сопряженности
  • Статистики центральной тенденции
  • Статистики разброса
  • Оценка однородности данных
  • Процентные точки и их анализ
  • Гистограммы
  • Ящичковые диаграммы
  • Оценка распределения переменных
  • Преобразования количественных переменых
  • Графический анализ взаимосвязи
  • Коэффициент корреляции Пирсона
  • Ранговые коэффициенты корреляции
  • Расчет коэффициентов корреляции
  • Категоризация количественных предикторов
  • Информационное значение и вес категорий предикторов
  • Визуальная категоризация предикторов по процентным точкам
  • Оптимальная категоризация предикторов на основе меры энтропии
  • Настройка параметров оптимальной категоризации

Тема 4. Модель логистической регрессии – 4 ак.ч.

  • Линейная модель регрессии
  • Предпосылки линейного регрессионного анализа
  • Оценка и интерпретация коэффициентов линейной регрессии
  • Понятие модели бинарного выбора
  • Шансы и их соотношение
  • Модель логистической регрессии
  • Оценка и интерпретация коэффициентов логистической регрессии
  • Достоинства и недостатки логистической регрессии
  • Алгоритм построения логистической регрессии
  • Задание категориальных предикторов
  • Задание взаимодействия предикторов
  • Методы отбора предикторов
  • Проблема мультиколлинеарности и способы ее устранения
  • Прогноз зависимой переменной

Тема 5. Построение и анализ качества модели логистической регрессии – 4 ак.ч.

  • Процедура Логистическая регрессия
  • Проверка обоснованности модели логистической регрессии
  • Логарифм правдоподобия
  • Проверка значимости уравнения
  • Оценки коэффициента детерминации
  • Критерий Хосмера-Лемешева
  • Настройка категориальных предикторов в модели
  • Настройка автоматического отбора предикторов
  • Проверка значимости коэффициентов и их интервальные оценки
  • Анализ остатков
  • Анализ статистик влияния
  • Диагностика мультиколлинеарности

Тема 6. Валидация модели логистической регрессии – 4 ак.ч.

  • Стратегии валидации
  • Корректировка на априорные вероятности
  • Расчет скоринговых баллов на основе коэффициентов логистической регрессии
  • Дискриминирующая способность модели
  • График классификации
  • Чувствительность и специфичность модели
  • ROC-анализ
  • Анализ и интерпретация ROC-кривой
  • Показатель площади под ROC-кривой и его интервальная оценка
  • Индекс Джини и его интервальная оценка
  • Задание оптимального порога классификации
  • Проблемы переобучения и недостаточной подгонки модели
  • Анализ распределения скоринговых баллов
  • Статистика Колмогорова-Смирнова
  • Коэффициент дивергенции
  • Коэффициент разделения
  • Диаграмма выигрыша

Дополнительная практическая работа, разбор кейсов, ответы на вопросы – 2 ак.ч.

По окончании курса Вы будете уметь:
  • получить знания о пошаговом алгоритме построения скоринговых моделей, включая этапы подготовки данных, их диагностики и валидации;
  • самостоятельно строить и применять собственные, ориентированные под специфику Ваших клиентов, скоринговые модели;
  • минимизировать затраты на приобретение готовых скоринговых систем;
  • снизить риски, связанные с раскрытием конфиденциальных данных заемщиков, которые возникают при внедрении готовых систем.
Слушатели:
 
курс «Практика разработки скоринговых моделей» для менеджеров по кредитным рискам, менеджеров по кредитному скорингу, руководителей управлений рисками в сфере финансов, банковской сфере, розничной торговле, страховании, телекоммуникациях.
 
Длительность: 

3 дня (общая продолжительность видео около 12 академических часов)

Программа мероприятия
Состав
Продолжительность  3 лекции ( 4 часа )
Рейтинг@Mail.ru