Buku / makalah yang bagus tentang penilaian kredit

11

Saya mencari rekomendasi buku tentang penilaian kredit. Saya tertarik pada semua aspek masalah ini, tetapi kebanyakan dalam: 1) Fitur yang bagus. Bagaimana cara membuatnya? Mana yang terbukti baik? 2) Jaringan saraf. Aplikasi mereka untuk masalah penilaian kredit. 3) Saya telah memilih jaringan saraf, tetapi saya tertarik dengan metode lain juga.

Nya
sumber

Jawaban:

6

Jika Anda baru mengenal dunia penilaian, buku pertama Anda harus ditulis oleh naeem siddiqi tentang penilaian kredit menggunakan SAS. Jika Anda belum mengambil kelas, lakukanlah. Fokus utama kelas adalah pemahaman keseluruhan tentang penilaian dan penjualan penambang perusahaan SAS untuk jutaan dolar.

Jika Anda memerlukan teori, Anda perlu analisis data kategorikal dan kelas penambangan data dari universitas terdekat. Bahkan setelah mengikuti kelas-kelas ini Anda masih membutuhkan bantuan.

Saat ini teknik yang paling populer digunakan adalah

  1. regresi logistik
  2. jaringan saraf
  3. mendukung mesin vektor dan
  4. hutan acak

pengelompokan, analisis diskriminan, analisis faktor, komponen utama adalah suatu keharusan juga.

Penilaian kredit oleh elizabeth mays juga akan memberi Anda tinjauan yang baik.

Saya juga mengambil kelas pemodelan risiko kredit oleh lembaga SAS, yang sedikit membantu saya. Ini adalah proses belajar yang konstan dan tidak pernah dilakukan.

Orang Bayesian juga menyukai metode mereka.

Edit

saya juga lupa menyebutkan. Regresi logistik dalam teknik paling populer di luar sana dan akan selalu menjadi salah satu yang akan terus digunakan bank. Metode-metode lain sangat sulit dijual kepada orang-orang manajemen tingkat atas, kecuali jika bank Anda kurang peduli untuk memahami metode-metode ini dan fokus mereka tetap mengambil risiko dan menghasilkan uang.

pengguna16789
sumber
Terima kasih! Saya akan mengklarifikasi: Saya berpartisipasi dalam kompetisi online, di mana tujuannya adalah untuk memprediksi probabilitas default peminjam. Jadi 1) Saya bebas memilih metode apa pun yang saya suka. Kompetisi berakhir dalam 2 minggu, 2) Saya tidak punya banyak waktu untuk melakukan pembelajaran komprehensif. dan 3) Data yang disediakan adalah tanggapan mentah dari biro kredit atas kredit sebelumnya, jadi saya benar-benar tertarik untuk mengekstraksi fitur yang tidak jelas dari data ini.
Nya
Juga, terima kasih atas tanggapan Anda, saya pasti akan melihat referensi Anda.
Nya
1
Persaingan apa itu? Bisakah saya tahu
xiaodai
6

Saya bekerja di bidang penilaian kredit. Meskipun saya suka mengeksplorasi pendekatan yang berbeda, saya menemukan bahwa regresi logistik sering kali cukup baik jika bukan pendekatan terbaik. Saya belum mensurvei makalah terbaru tentang topik ini tetapi dari memori di sebagian besar makalah Anda akan melihat bahwa pendekatan lain seperti model jaring saraf biasanya tidak menawarkan peningkatan signifikan dalam hal daya prediksi (seperti diukur oleh GINI dan AR). Juga model-model ini cenderung lebih sulit untuk dipahami oleh orang awam (seringkali eksekutif paling senior tidak memiliki latar belakang dalam statistik), dan pendekatan scorecard menggunakan regresi logistik tampaknya menawarkan cara termudah untuk menjelaskan model. Benar, sebagian besar kartu skor tidak memperhitungkan interaksi akun,

Karena itu, baru-baru ini ada beberapa minat dalam membangun kartu skor menggunakan teknik analisis survival karena memiliki beberapa keunggulan dibandingkan regresi logistik. Yaitu, kita dapat lebih mudah memasukkan faktor ekonomi makro ke dalam model, kita dapat menggunakan data yang lebih baru dalam membangun model daripada harus bergantung pada data setidaknya 12 bulan yang lalu (karena indikator biner dalam logistik biasanya didefinisikan sebagai standar dalam 12 bulan berikutnya). Dalam hal ini, tesis saya dapat menawarkan perspektif lain dalam mengeksplorasi membangun kartu kredit menggunakan analisis survival. Saya menunjukkan bagaimana kartu penilaian analisis survival "terlihat dan terasa" sama dengan kartu skor regresi logistik, maka kartu tersebut dapat diperkenalkan tanpa menyebabkan terlalu banyak masalah.

Dalam tesis saya, saya juga menjelaskan algoritma ABBA yang merupakan pendekatan baru untuk variabel binning.

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%2F%%FF?hl=id 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

Pembaruan: Saya tidak mengklaim apakah tesis saya bagus. Ini hanyalah perspektif lain dari seorang praktisi di lapangan.

Xiaodai
sumber
1
Ini sepertinya tidak terfokus pada pertanyaan. Saran konkret Anda adalah "baca tesis saya". Saya belum membacanya dan saya tidak memenuhi syarat untuk mengevaluasinya, tetapi tidak memenuhi syarat sebagai buku, atau bahkan makalah yang diterbitkan.
Nick Cox
4
@Nick Pertanyaannya memang menanyakan "metode lain," yang dijawab oleh jawaban ini. Banyak orang menemukan tautan ke teks yang dapat diunduh menjadi berguna, bahkan mungkin lebih dari sekadar referensi. Untuk penanda anonim: memberikan tautan ke pekerjaan sendiri bukanlah spam. Kami menyambut para peneliti dan inovator lainnya di sini dan tidak ingin membatasi kemampuan mereka untuk membantu kami dengan mengharuskan mereka tidak pernah mengutip kontribusi mereka sendiri!
whuber
3
Saya ambil poin @ whuber. Saya juga sangat setuju bahwa mengutip pekerjaan sendiri sudah beres. xiaodai: Saya akan menghapus pembaruan. Inti dari posting Anda adalah bahwa tesis Anda mungkin layak dibaca. Jika Anda tidak berpikir demikian, Anda tidak akan memposting. Menambahkan not difusi atau kesopanan tidak diperlukan.
Nick Cox
3
  • Saya telah merujuk Panduan untuk Penilaian Kredit dalam R oleh D. Sharma di masa lalu dan ini merupakan referensi pengantar yang baik tentang pendekatan termasuk regresi logistik dan metode berbasis pohon
  • Panduan di atas menggunakan Data Kredit Jerman yang memiliki serangkaian fitur yang kaya. Jika Anda mencari dataset, Anda akan menemukan pendekatan alternatif lain, analisis, dan perbandingan yang dapat membantu menginformasikan pemilihan fitur dan pilihan model untuk dataset Anda.
  • Jaringan saraf adalah pilihan yang adil untuk masalah klasifikasi biner seperti ini. Di dunia nyata, model penilaian kredit juga diharapkan memberikan alasan mengapa permohonan pinjaman (misalnya) ditolak. Oleh karena itu, membantu untuk memiliki model di mana Anda dapat mengidentifikasi fitur apa dalam riwayat kredit seseorang menghasilkan skor kredit yang rendah dan menyebabkan aplikasi ditolak. Fitur dalam regresi dan pendekatan berbasis pohon lebih mudah diinterpretasikan dibandingkan dengan jaringan saraf. Jika Anda menilai murni sesuai, NN patut dicoba
raninjan
sumber