หนังสือ / เอกสารที่ดีเกี่ยวกับการให้คะแนนเครดิต

ฉันกำลังมองหาหนังสือแนะนำเกี่ยวกับการให้คะแนนเครดิต ฉันสนใจในทุกด้านของปัญหานี้ แต่ส่วนใหญ่ใน: 1) คุณสมบัติที่ดี สร้างได้อย่างไร? สิ่งใดได้รับการพิสูจน์แล้วว่าดี 2) โครงข่ายประสาทเทียม การประยุกต์ใช้กับปัญหาการให้คะแนนเครดิต 3) ฉันเลือกเครือข่ายประสาท แต่ฉันก็สนใจวิธีอื่นเช่นกัน

หากคุณยังใหม่ต่อโลกการให้คะแนนหนังสือเล่มแรกของคุณควรเป็นโดย naeem siddiqi เกี่ยวกับการให้คะแนนเครดิตโดยใช้ SAS หากคุณยังไม่ได้เข้าเรียนให้ทำแบบนั้น จุดสนใจหลักของคลาสนี้คือความเข้าใจโดยรวมเกี่ยวกับการให้คะแนนและการขาย บริษัท ขุดแร่ SAS สำหรับเงินหลายล้านดอลลาร์

หากคุณต้องการทฤษฎีคุณต้องมีการวิเคราะห์ข้อมูลอย่างเป็นหมวดหมู่และคลาส Data mining จากมหาวิทยาลัยใกล้ ๆ แม้หลังจากเรียนวิชาเหล่านี้คุณก็ยังต้องการความช่วยเหลือ

ปัจจุบันเทคนิคที่นิยมใช้มากที่สุดคือ

1. การถดถอยโลจิสติก
2. โครงข่ายประสาท
3. สนับสนุนเครื่องเวกเตอร์และ
4. ป่าสุ่ม

การจัดกลุ่ม, การวิเคราะห์จำแนก, การวิเคราะห์ปัจจัย, องค์ประกอบหลักเป็นสิ่งจำเป็นเช่นกัน

คะแนนเครดิตโดย elizabeth mays จะให้ภาพรวมที่ดีแก่คุณ

ฉันยังได้เข้าร่วมชั้นเรียนการสร้างแบบจำลองความเสี่ยงด้านเครดิตโดยสถาบัน SAS ซึ่งช่วยฉันได้เล็กน้อย มันเป็นกระบวนการเรียนรู้อย่างต่อเนื่องและไม่เคยทำ

คนแบบเบย์ชอบวิธีการของพวกเขาเช่นกัน

แก้ไข

ฉันลืมพูดถึง การถดถอยโลจิสติกส์ในเทคนิคที่ได้รับความนิยมมากที่สุดและเป็นหนึ่งในวิธีที่ธนาคารจะใช้ต่อไป วิธีการอื่น ๆ ยากที่จะขายให้กับผู้บริหารระดับสูงนอกเสียจากธนาคารของคุณยินดีที่จะให้ความสำคัญกับการทำความเข้าใจกับวิธีการเหล่านี้น้อยลง

ฉันทำงานในด้านการให้คะแนนเครดิต แม้ว่าฉันชอบสำรวจวิธีการต่าง ๆ ฉันพบว่าการถดถอยโลจิสติกส์มักจะดีพอถ้าไม่ใช่วิธีที่ดีที่สุด ฉันยังไม่ได้สำรวจเอกสารล่าสุดในหัวข้อ แต่จากหน่วยความจำในเอกสารส่วนใหญ่คุณจะเห็นว่าวิธีการอื่น ๆ เช่นแบบจำลองโครงข่ายประสาทโดยทั่วไปไม่ได้มีการยกที่สำคัญในแง่ของพลังการทำนาย (วัดโดย GINI และ AR) นอกจากนี้แบบจำลองเหล่านี้มีแนวโน้มที่จะยากกว่ามากที่จะทำให้คนธรรมดาทั่วไป (ผู้บริหารระดับสูงส่วนใหญ่ไม่มีพื้นฐานด้านสถิติ) และวิธีการใช้ดัชนีชี้วัดโดยใช้การถดถอยแบบโลจิสติกดูเหมือนจะเสนอวิธีที่ง่ายที่สุดในการอธิบายแบบจำลอง จริงบัตรคะแนนส่วนใหญ่ไม่คำนึงถึงการโต้ตอบทางบัญชี

ต้องบอกว่าเมื่อไม่นานมานี้มีความสนใจในการสร้างดัชนีชี้วัดโดยใช้เทคนิคการวิเคราะห์การอยู่รอดเนื่องจากมีข้อได้เปรียบเหนือการถดถอยโลจิสติกส์ กล่าวคือเราสามารถรวมปัจจัยทางเศรษฐกิจมหภาคไว้ในแบบจำลองได้ง่ายขึ้นเราสามารถใช้ข้อมูลล่าสุดในการสร้างแบบจำลองแทนที่จะต้องใช้ข้อมูลอย่างน้อย 12 เดือนที่ผ่านมา (เนื่องจากตัวบ่งชี้ไบนารีในโลจิสติกส์มักจะกำหนดเป็นค่าเริ่มต้นภายใน 12 เดือนถัดไป) ในเรื่องของวิทยานิพนธ์ของฉันสามารถเสนอมุมมองอื่นในการสำรวจการสร้างดัชนีชี้วัดเครดิตโดยใช้การวิเคราะห์การอยู่รอด ฉันแสดงให้เห็นว่าดัชนีชี้วัดการวิเคราะห์ความอยู่รอด "รูปลักษณ์และความรู้สึก" เหมือนกับดัชนีชี้วัดการถดถอยแบบโลจิสติกดังนั้นพวกเขาจึงสามารถนำเสนอได้โดยไม่ทำให้เกิดปัญหามากเกินไป

ในวิทยานิพนธ์ของฉันฉันยังอธิบายอัลกอริทึม ABBA ซึ่งเป็นแนวทางใหม่ในการ binning ตัวแปร

https://www.google.com.sg/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&ved=0CDAQFjAA&url=http%3A%2F%2Fftpmirror.your.org%2Fpub%2Fwikimedia%2Fimages% 2Fwikipedia% 2Fcommons% 2F2% 2F2f% 2FAbout_Time _-_ Building_Credit_Scorecards_with_Survival_Analysis.pdf & EI = 8D8MUorrJs2Trgf56YCwCQ & USG = AFQjCNGxWRH1naJS4UqH_ckwzTx3GsaP8g & sig2 = kcEvjUUcn_wT93igxpYYDA & BVM = bv.50768961, d.bmk

ปรับปรุง: ฉันไม่อ้างว่าวิทยานิพนธ์ของฉันดีหรือไม่ มันเป็นเพียงมุมมองอื่นจากผู้ประกอบการในสาขา

• ฉันได้อ้างอิงแนวทางการให้คะแนนเครดิตใน Rโดย D. Sharma ในอดีตและเป็นการอ้างอิงเบื้องต้นที่ดีเกี่ยวกับวิธีการรวมถึงการถดถอยโลจิสติกและวิธีการตามต้นไม้
• คำแนะนำข้างต้นใช้ข้อมูลเครดิตเยอรมันซึ่งมีคุณสมบัติมากมาย หากคุณค้นหาชุดข้อมูลคุณจะพบวิธีการวิเคราะห์และการเปรียบเทียบทางเลือกอื่น ๆ ที่อาจช่วยแจ้งการเลือกคุณสมบัติและตัวเลือกรูปแบบสำหรับชุดข้อมูลของคุณ
• โครงข่ายประสาทเทียมเป็นตัวเลือกที่ยุติธรรมสำหรับปัญหาการจำแนกเลขฐานสองเช่นนี้ ในโลกแห่งความเป็นจริงรูปแบบการให้คะแนนเครดิตก็คาดว่าจะให้เหตุผลว่าทำไมการปฏิเสธการสมัครสินเชื่อ (พูด) ดังนั้นมันจะช่วยให้มีรูปแบบที่คุณสามารถระบุว่าคุณลักษณะใดในประวัติเครดิตของคน ๆ หนึ่งที่มีคะแนนเครดิตต่ำและทำให้แอปพลิเคชันถูกปฏิเสธ คุณสมบัติในการถดถอยและวิธีการแบบต้นไม้นั้นง่ายต่อการตีความเมื่อเทียบกับเครือข่ายประสาท หากคุณกำลังประเมินความเหมาะสมอย่างแท้จริง NN ก็คุ้มค่าที่จะลอง