English version

• wydawnictwa polskie
podział tematyczny
 
• wydawnictwa anglojęzyczne
podział tematyczny
 
Newsletter:

• Zamów informacje o nowościach z wybranego tematu
 
Informacje:

• sposoby płatności i dostawy

• kontakt

• Cookies na stronie
 
 
Szukasz książki?
Pomożemy Ci!
Zadzwoń
512 994 090
 
Napisz
poczta@ksiazki24h.pl

CREDIT SCORING W ERZE BIG-DATA

Techniki modelowania z wykorzystaniem generatora losowych danych portfela Consumer Finance

Wstęp
Uzasadnienie podjętego tematu
Opis zawartości rozdziałów
W jakiej kolejności czytać rozdziały książki

1. Ogólna konstrukcja generatora losowych danych portfela Consumer Finance

1.1. Ogólny opis algorytmu
1.2 Podstawowe założenia
1.3. Schemat algorytmu
1.3.1. Główne parametry
1.3.2. Dane produkcji
1.3.3. Dane transakcyjne
1.3.4. Wstawianie miesięcznych danych produkcji do danych transakcji
1.3.5. Tabela analityczna ABT (Analytical Base Table)
1.3.6. Korekta macierzy migracji
1.3.7. Krok iteracyjny
1.3.8. Poziom klienta, zmiany cech aplikacyjnych
1.3.9. Dodatkowe algorytmy dla kredytu gotówkowego
1.3.10. Definicje zdarzeń: default i response

2. Model uproszczony, kredyty ratalne

2.1. Opłacalność procesu, wpływ mocy predykcyjnej na zysk
2.2. Porównywanie technik budowy modeli
2.2.1. Dane wykorzystane do analiz
2.2.2. Ogólny proces budowy modelu karty skoringowej
2.2.3. Różne kodowania i selekcje zmiennych
2.2.4. Etapy obliczeń, zebranych wyników
2.2.5. Interpretacja zebranych wyników
2.2.6. Finalne porównanie technik LOG i NBM
2.2.7. Podsumowanie

3. Model biznesowy: akwizycja i sprzedaż krzyżowa

3.1. Parametry modelu
3.2. Wyniki symulacji, podstawowe raporty
3.3. Implementacja modeli, system decyzyjny
3.3.1. Testowanie różnych strategii akceptacji
3.3.2. Paradoks Customer Bank Seniority. Wpływ wniosków odrzuconych
3.3.4. Zewnętrzne bazy minimalizujące wpływ wniosków odrzuconych

4. Budowa modelu aplikacyjnego

4.1. Analiza aktualnego procesu i przygotowanie danych
4.1.1. Definicja zdarzenia default
4.1.2. Dostępne dane
4.1.3. Próby losowe
4.2. Budowa modelu KGB dla zaakceptowanych
4.2.1. Tworzenie kategorii zmiennych lub grupowanie (ang. binning)
4.2.2. Wstępna selekcja zmiennych (preselekcja)
4.2.3. Dalsza selekcja zmiennych, ręczne poprawki kategorii
4.2.4. Estymacja modelu, metoda LOG, liczenie oceny punktowej
4.2.5. Finalna postać modelu KGB
4.3. Estymacja ryzyka odrzuconych wniosków
4.3.1. Porównanie modeli: KGB i PD Ins
4.3.2. Analiza rozkładów i ryzyka dla zmiennych
4.3.3. Analiza ocen punktowych i kalibracji
4.3.4. Finalna estymacja na bazie krzywych logitowych
4.4. Model ALL dla całej populacji
4.4.1. Przygotowanie danych, nowa definicja default
4.4.2. Model ALL1, lista zmiennych taka, jakw modelu KGB
4.4.3. Nowa preselekcja zmiennych
4.4.4. Wielowymiarowa selekcja zmiennych - generator modeli
4.4.5. Model ALL2, szeroka lista zmiennych
4.5. Segmentacja portfela. Jeden model kontra kilka

5. Szczegółowe informacje i dokumentacje

5.1. Tabela analityczna, opisy wszystkich zmiennych
5.2. Dokumentacja modeli punktowych
5.2.1. Model ryzyka dla kredytu ratalnego (PD Ins)
5.2.2. Model ryzyka dla kredytu gotówkowego (PD Css)
5.2.3. Model ryzyka dla kredytu gotówkowego w momencie aplikowania o kredyt ratalny (Cross PD Css)
5.2.4. Model skłonności skorzystania z kredytu gotówkowego w momencie aplikowania o kredyt ratalny (PR Css)
5.3. Parametry modelu biznesowego: akwizycja - sprzedaż krzyżowa
5.3.1. Parametry ogólne
5.3.2. Parametry poziomu klienta
5.3.3. Parametry kredytu ratalnego
5.3.4. Parametry kredytu gotówkowego

Spis rysunków
Spis tabel

Bibliografia

173 strony, B5, oprawa miękka