(OSPSS-5) Практика построения скоринговых моделей

Целевая аудитрия: 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.

Цель обучения: получить необходимые знания для планирования, разработки, внедрения и поддержки скоринговых карт внутри организации.

Объем курса: 24 ак. ч. (общая продолжительность видео около 12 часов)

Прохождение курса позволит Вам:

• 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.

Программа тренинга:

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.