Публикации по теме 'credit-risk'


Сохранение конкурентоспособности в меняющейся среде для бизнес-кредиторов
Авторы : Суббу Венкатараманан | Виджая Кумар | Ракеш Лави Конкуренция со стороны игроков нового века сделала гибкость и время отклика более важными, чем когда-либо. Существует острая необходимость в быстром внедрении новых и передовых возможностей на рынок коммерческого кредитования, чтобы оставаться конкурентоспособными. Предприятиям не хватает времени, и им нужны простые и интуитивно понятные решения, которые помогут им управлять повседневными финансами. И они все чаще готовы..
Обнаружение аномалий с помощью машин опорных векторов для анализа кредитных рисков и мошенничества в Python
Добро пожаловать на седьмой день цикла нашего блога, посвященного анализу кредитных рисков и мошенничества в Python. Сегодня мы продолжим изучение методов машинного обучения для анализа кредитных рисков и мошенничества и углубимся в машины опорных векторов (SVM). SVM — это мощный алгоритм классификации и обнаружения аномалий. SVM работают, находя оптимальную гиперплоскость, которая разделяет данные на разные классы, при этом максимально увеличивая запас между гиперплоскостью и ближайшими..
GBM V / S Logistic (Пример использования в банковской сфере)
Машинное обучение - новое модное слово в городе. Каждая отрасль хочет использовать методы машинного обучения из-за их способности повысить точность и тем самым увеличить доход. Однако в таких отраслях, как финансы и здравоохранение, где наряду с точностью жизненно важную роль играет рассуждение, использование этих методов является большим вопросом. Ниже приводится тематическое исследование, которое показывает, что произойдет, если методы машинного обучения будут использоваться в этих..
Важно то, что находится снаружи: объяснимость модели с использованием подходов черного ящика.
В нашем предыдущем сообщении в блоге мы исследовали общую идею объяснимого искусственного интеллекта (XAI) [1], зачем он нам нужен, какие проблемы могут возникнуть у нас при разработке таких систем и, наконец, что делает текущий (ЕС () Закон говорит о требованиях XAI. В этом сообщении блога мы рассмотрим два подхода к проверке моделей машинного обучения: зависящий от модели и независимый от модели . Подходы к конкретной модели Многие из так называемых «интерпретируемых» [5]..
Разработка и калибровка оценочных карт кредитного риска в сценарии с коронавирусом
Пандемия COVID-19 затронула большинство стран мира, что привело к остановке экономической активности. МВФ уже предупредил, что эта пандемия приведет к худшей рецессии со времен Великой депрессии 1930-х годов, и ожидается, что в 2020 году мировой ВВП сократится на 3%. В настоящее время МВФ прогнозирует снижение темпов роста Индии в 21 финансовом году на 1,9%. с 5,8% по оценке в январе (источник: https://www.imf.org/en/Countries/IND ). Теперь, когда COVID-19 является разовым..
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..
ML & DS оттенки управления кредитными рисками. Часть I.
Всем привет! Мы, команда Advanced Analytics T1A, запускаем серию статей о моделировании в управлении кредитными рисками. Цель серии — дать краткую информацию о сфере, расширить профессиональный словарный запас и дать ссылки на полезные книги и статьи. Мы надеемся, что это будет полезно для всех, кто только начинает свое путешествие по анализу кредитных рисков, или для менеджеров, связанных с рисками, которые хотят больше узнать о базовой математике. Во вводной статье мы..