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
3
Ocena jakości bankowych modeli scoringowych
3.1
Tablica pomyłek
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
4
Dobry i zły klient
4.1
Zaniechanie spłaty (default)
4.2
Szkodowość
4.3
Szansa, log-odds
5
Źródła danych wykorzystywanych w bankowych modelach scoringowych
5.1
Dane aplikacyjne
5.2
Dane wewnętrzne banku
5.3
Biura informacji kredytowej
5.4
Dane alternatywne
6
Zmienne
6.1
Dobór zmiennych
6.2
Grupowanie (binning)
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
Kalibracja 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
Modele scoringowe
Rozdział 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)