Рецензия на книгу: Наим Саддики «Интеллектуальный кредитный скоринг»

Полное руководство по разработке и использованию оценочных карт кредитного риска

1. Введение

Оценочные листы - это сердце любого современного кредитного бизнеса, от кредитных карт до ипотеки. Основная идея Scorecard - преобразовать вероятность того, что клиент выплатит ссуду (кредитоспособность отдельного лица), в число, которое можно легко интерпретировать, определяя бизнес-решения. Хотя системы показателей не новы, они сильно изменились с появлением нового сценария больших данных / искусственного интеллекта, особенно после финансового кризиса 2008 года.

Интеллектуальный кредитный скоринг предлагает вам больше, чем просто введение в предмет. Это полное руководство о том, как работать и создавать оценочные таблицы, написанное одним из самых влиятельных авторов в этой области.

На первый взгляд, когда я получил Intelligent Credit Scoring, я подумал, что это будет еще одна скучная книга, я прочитаю введение, может быть, первую пару глав и оставлю ее украшением моей полки, а может, использую это для исследования, когда это необходимо. Но я был совершенно неправ! Читать ее было действительно приятно, и для 400-страничной книги с технической информацией с главами о кредитном регулировании и модельном мониторинге оно прошло быстрее, чем я ожидал.

2. Книга основной аудитории

Интеллектуальный кредитный скоринг - доступная книга, предназначенная для широкой аудитории, от новичков в отрасли до опытных профессионалов. Независимо от того, являетесь ли вы кредитным аналитиком, менеджером по оценке кредитоспособности или специалистом по анализу данных, содержание этой книги предложит более глубокое представление о том, как создавать, оценивать и контролировать системы показателей.

3. Как устроена книга

После введения (глава 1) автор описывает роли каждого человека, участвующего в команде, ответственной за разработку и внедрение системы показателей (глава 2). Один интересный аспект кредитного скоринга заключается в том, что обычно это работа, выполняемая большой командой с самыми разными профессионалами.

В следующей главе определяется инфраструктура, необходимая для поддержания успешной системы показателей, и кратко описывается процесс от сбора данных до внедрения модели и мониторинга. В главах с 4 по 14 автор подробно описывает каждый этап разработки системы показателей, разбивая процесс на 7 частей.

Этап 1, Планирование

Прежде чем приступить к разработке системы показателей, вам необходимо ответить на вопросы о своем бизнес-плане и о том, есть ли у вашей компании доступная инфраструктура и человеческие ресурсы для этого. Также перечислены преимущества и недостатки разработки внутренних и внешних оценочных карт, которые помогут вам принять решение.

Этап 2, Обзор данных и параметры проекта

Хотя мы живем в эпоху больших данных, большого количества данных недостаточно. Чтобы ваш проект был успешным, вам понадобятся не только объем, но и систематизированные и тщательно отобранные данные. На этом этапе Siddiqi инструктирует читателей о том, как установить определения по умолчанию, что является одним из ключевых шагов в процессе разработки. Информация о текущем регулировании, основанном на Базеле II, действительно важна для индустрии оценочных карт и хорошо представлена ​​в главе 7. В настоящее время обновление для Базеля II, версии III и IV уже обсуждаются и внедряются, и было бы здорово, если бы Это информация о новом издании книги.

Этап 3, Создание базы данных

Как и в любом другом проекте Data Science, при разработке Scorecard наличие данных хорошего качества важнее, чем использование более совершенной модели. Вот почему эта сессия книги так важна. Создание и фильтрация функций и замена отсутствующих значений являются частью вашего процесса создания базы данных и должны выполняться с особой осторожностью и вниманием. Еще один важный аспект, упомянутый в этом сеансе, - это разделение набора данных на обучение и тестирование для оценки производительности модели. На этом занятии также упоминается потенциал альтернативных данных и более крупных наборов данных (больших данных), используемых в оценочных картах, при этом регулирование и технологии влияют друг на друга, определяя инновации в этой области.

В эпоху, когда нет недостатка в информации, банк, обладающий наиболее действенными знаниями, является победителем. - Интеллектуальный кредитный скоринг (2-е издание), Наим Сиддики

Этап 4, Создание оценочной карты

Когда ваша база данных готова, пора приступить к работе над вашими функциями. В этой части книги вы узнаете, как работать с весом доказательств, используя его для разделения переменных на однородные категории. Другие концепции, такие как информационная ценность, используются в процессе выбора функции. В следующей части описывается использование логистической регрессии для создания системы показателей и способы вычисления оценок на основе полученной модели.

Этап 5, отчеты об управлении оценочной картой

Системы показателей ценны только в том случае, если они показывают стабильную производительность, отражающую текущую популяцию клиентов. Вот почему так важно следить за моделями. В этом разделе книги представлены несколько показателей производительности и шаблоны отчетов, которые помогут вам разработать собственную систему управления.

Этап 6, внедрение системы показателей

После создания Scorecard пора запускать в производство. Но просто использовать его для привлечения новых клиентов недостаточно. Вы должны убедиться, что он работает хорошо в соответствии с проверенным набором данных. Таким образом, следующие показатели, такие как индекс стабильности населения, могут помочь контролировать производительность модели. Также, в зависимости от бизнес-стратегии, для доступа к профилю кредитного риска клиента можно использовать более одной системы показателей. На этом занятии представлены различные стратегии комбинирования оценочных карточек и установки пороговых значений.

Этап 7, Мониторинг

Наконец, полный цикл разработки системы показателей заканчивается этапом, на котором команда использует набор инструментов для мониторинга производительности модели. На профиль клиента влияет множество внешних событий, поэтому не ожидайте, что ваша модель будет поддерживать первоначальную производительность в течение длительного времени. Автор представляет серию подходов и стратегий использования оценочных карт, которые помогут вам управлять своим портфелем и принимать мудрые бизнес-решения.

4. Основные выводы

Как упоминалось во введении, Intelligent Credit Scoring - это доступная книга, ориентированная на широкую аудиторию, поэтому, даже если вы начинаете работать в этой области, она будет для вас очень полезна.

Еще один интересный аспект книги заключается в том, что математика и статистика, лежащие в основе нее, относительно просты. Таким образом, даже если у вас нет сильного опыта в области точных наук, вы действительно можете понять логику представленных концепций.

И, наконец, оценочные карты никогда не являются продуктом одного человека или небольшой команды. Его разработка требует обратной связи от широкого круга профессионалов внутри организации, чтобы отразить бизнес-логику и показать ее истинную ценность для принятия решений внутри компаний и банков.

Спасибо, что прочитали мою статью!

• Вы можете найти другие мои статьи на моей странице профиля 🔬
• Если вам понравилось и вы хотите стать Medium участником, вы можете использовать мою реферальную ссылку, чтобы поддержать меня 👍

Дополнительные ресурсы для создания кредитного скоринга

Одна вещь, которой не хватает в книге, - это примеры кода, чтобы вы могли самостоятельно реализовать системы показателей. Все примеры, представленные автором, используют платформу SAS, которая имеет важное историческое значение для разработки Scorecard. Но если ваша компания не работает со средой SAS, вам, вероятно, придется реализовать логику на других языках.

Хорошая новость заключается в том, что доступны ресурсы с открытым исходным кодом (или по очень низкой цене), которые помогут вам в создании собственных оценочных карт. Если вы специалист по данным или разработчик, работающий с Python, я настоятельно рекомендую вам взглянуть на следующие ресурсы:

А) OptBinning (библиотека Python)

Эта библиотека, разработанная Гильермо Навасом Паленсией, имеет несколько мощных инструментов для выполнения объединения переменных. Optbinning предлагает методы для выполнения визуализации веса доказательств, информационной ценности и других важных показателей для каждой переменной, помогая вам выбрать лучшие функции для вашей модели. OptBinning недавно включил модуль для разработки Scorecard, что сделало весь процесс быстрым и надежным. Для разработчиков Scorecard, использующих Python, этот проект, вероятно, просто необходимо посетить!

Б) Моделирование кредитного риска в Python 2020 (Udemy)

Если вы только начали работать с оценочными картами и используете Python в качестве основного языка программирования, я настоятельно рекомендую вам пройти этот курс. В видеороликах, объясняющих теорию кредитного скоринга, есть отличные дидактические материалы, и каждый шаг реализован на Python с использованием Pandas, Scikit-Learn и Matplotlib. Таким образом, вы действительно поймете логику каждого метода при построении вашей системы показателей.