Без темы
<<  Построение системы взаимодействия с семьями воспитанников, активизация родительской позиции через совместную исследовательско-творческую деятельность Воспитатели Старостина Н.П. Маркова А.В Построение тренировочных циклов  >>
Построение скоринговых моделей
Построение скоринговых моделей
Теория
Теория
Жизненный цикл модели
Жизненный цикл модели
ОСНОВНЫЕ ЭТАПЫ Требования к модели
ОСНОВНЫЕ ЭТАПЫ Требования к модели
ОСНОВНЫЕ ЭТАПЫ Сбор данных
ОСНОВНЫЕ ЭТАПЫ Сбор данных
ОСНОВНЫЕ ЭТАПЫ Хороший / Плохой
ОСНОВНЫЕ ЭТАПЫ Хороший / Плохой
ОСНОВНЫЕ ЭТАПЫ Формирование выборки
ОСНОВНЫЕ ЭТАПЫ Формирование выборки
ОСНОВНЫЕ ЭТАПЫ Выбор методологии
ОСНОВНЫЕ ЭТАПЫ Выбор методологии
ОСНОВНЫЕ ЭТАПЫ Однофакторный анализ
ОСНОВНЫЕ ЭТАПЫ Однофакторный анализ
ОСНОВНЫЕ ЭТАПЫ Многофакторный анализ
ОСНОВНЫЕ ЭТАПЫ Многофакторный анализ
ОСНОВНЫЕ ЭТАПЫ Многофакторный анализ
ОСНОВНЫЕ ЭТАПЫ Многофакторный анализ
ОСНОВНЫЕ ЭТАПЫ Анализ отклоненных клиентов
ОСНОВНЫЕ ЭТАПЫ Анализ отклоненных клиентов
ОСНОВНЫЕ ЭТАПЫ Калибровка
ОСНОВНЫЕ ЭТАПЫ Калибровка
ОСНОВНЫЕ ЭТАПЫ Пример калибровки
ОСНОВНЫЕ ЭТАПЫ Пример калибровки
ОСНОВНЫЕ ЭТАПЫ Тестирование
ОСНОВНЫЕ ЭТАПЫ Тестирование
ОСНОВНЫЕ ЭТАПЫ Документация
ОСНОВНЫЕ ЭТАПЫ Документация
ОСНОВНЫЕ ЭТАПЫ Внедрение и Сопровождение
ОСНОВНЫЕ ЭТАПЫ Внедрение и Сопровождение
ОСНОВНЫЕ ЭТАПЫ Валидация
ОСНОВНЫЕ ЭТАПЫ Валидация
Вопросы
Вопросы
Практика
Практика
Розничное кредитование Эволюция моделей
Розничное кредитование Эволюция моделей
Розничное кредитование Данные
Розничное кредитование Данные
Розничное кредитование Мониторинг
Розничное кредитование Мониторинг
Розничное кредитование Предотвращение мошенничества
Розничное кредитование Предотвращение мошенничества
Розничное кредитование Работа с просроченными долгами
Розничное кредитование Работа с просроченными долгами
Розничное кредитование Аналитика
Розничное кредитование Аналитика
2004 – Разработка скоринга
2004 – Разработка скоринга
Качество данных Примеры проблем
Качество данных Примеры проблем
Качество данных Примеры проблем
Качество данных Примеры проблем
Качество данных Примеры проблем
Качество данных Примеры проблем
Разработка скоринга Общие идеи
Разработка скоринга Общие идеи
Разработка скоринга
Разработка скоринга
Разработка скоринга Автоматизация
Разработка скоринга Автоматизация
Разработка скоринга Процесс
Разработка скоринга Процесс
Разработка скоринга Процесс
Разработка скоринга Процесс
Разработка скоринга Процесс
Разработка скоринга Процесс
Разработка скоринга Процесс
Разработка скоринга Процесс
Разработка скоринга Процесс – отчет на ГКК
Разработка скоринга Процесс – отчет на ГКК
Применение итоговой модели
Применение итоговой модели
Результаты работы модели
Результаты работы модели
Мониторинг PSI (Москва)
Мониторинг PSI (Москва)
Мониторинг PSI (Регионы)
Мониторинг PSI (Регионы)
2006 Модель пропуска первого платежа
2006 Модель пропуска первого платежа
Модель пропуска первого платежа
Модель пропуска первого платежа
2006 Разработка скоринга для регионов
2006 Разработка скоринга для регионов
2006 Скоринг для регионов
2006 Скоринг для регионов
2006 Скоринг для регионов
2006 Скоринг для регионов
2006 Скоринг для регионов
2006 Скоринг для регионов
2006 Скоринг для регионов
2006 Скоринг для регионов
Reject Inference
Reject Inference
2006 Скоринг для регионов IV before and after Reject Inference
2006 Скоринг для регионов IV before and after Reject Inference
Lagged delinquency AUTO Москва
Lagged delinquency AUTO Москва
Lagged delinquency AUTO Регионы
Lagged delinquency AUTO Регионы
2007 Скоринговая карта для автокредитов
2007 Скоринговая карта для автокредитов
2007 Скоринг для Автокредитов Выбор целевой переменной
2007 Скоринг для Автокредитов Выбор целевой переменной
Конец
Конец

Презентация на тему: «Построение скоринговых моделей». Автор: . Файл: «Построение скоринговых моделей.ppt». Размер zip-архива: 3370 КБ.

Построение скоринговых моделей

содержание презентации «Построение скоринговых моделей.ppt»
СлайдТекст
1 Построение скоринговых моделей

Построение скоринговых моделей

Практические аспекты

Мария Чепурина, Коллекторское агентство "Пристав" Руслан Морозов, Банк "Петрокоммерц"

2 Теория

Теория

Руслан Морозов, Банк "Петрокоммерц"

3 Жизненный цикл модели

Жизненный цикл модели

4 ОСНОВНЫЕ ЭТАПЫ Требования к модели

ОСНОВНЫЕ ЭТАПЫ Требования к модели

Принятие решения о выдаче кредита определение уровня принятия решения расчет ожидаемых убытков ценообразование определение лимитов прогнозирование отчетность мониторинг индикаторы раннего предупреждения расчет резервов расчет капитала и т.Д.

5 ОСНОВНЫЕ ЭТАПЫ Сбор данных

ОСНОВНЫЕ ЭТАПЫ Сбор данных

Исчерпывающий набор данных является важной предпосылкой для построения качественной модели. Следующие требования предъявляются к полноте выборке и её качеству: Объем и историчность данных, период наблюдения Источники данных Репрезентативность выборки Достаточное количество «плохих» Качество данных (пропущенные и удаленные значения, верность и т.п.) Определение Хороший / Плохой Формирование выборки

6 ОСНОВНЫЕ ЭТАПЫ Хороший / Плохой

ОСНОВНЫЕ ЭТАПЫ Хороший / Плохой

Для построения скоринговой системы необходимо решить, что есть «плохой» клиент.

В соответствие с Базель II дефолт должника считается произошедшим, когда имело место одно или оба из следующих событий: Банк считает, что должник не в состоянии полностью погасить свои кредитные обязательства перед Банком без принятия Банком таких мер, как реализация обеспечения (если таковое имеется). Должник более чем на 90 дней просрочил погашение любых существенных кредитных обязательств перед Банком.

7 ОСНОВНЫЕ ЭТАПЫ Формирование выборки

ОСНОВНЫЕ ЭТАПЫ Формирование выборки

8 ОСНОВНЫЕ ЭТАПЫ Выбор методологии

ОСНОВНЫЕ ЭТАПЫ Выбор методологии

Экспертные системы Generic модели Pooling модели Регрессии logit, probit, наименьших квадратов, нейросети и т.д. Деревья решений CHAID, CART Линейное программирование Модели ценообразования опционов Модели приведенной стоимости и т.д.

9 ОСНОВНЫЕ ЭТАПЫ Однофакторный анализ

ОСНОВНЫЕ ЭТАПЫ Однофакторный анализ

Предварительный выбор переменных существенно уменьшает сложность последующего многомерного анализа.

Этапы однофакторного анализа Составление «длинного» списка переменных Проверка гипотез: предсказательная сила соответствие ожидаемому поведению Трансформация нормализация стандартизация разбиение на групп и т.п. Проверка корреляций Работа с пропущенными значениями Результатом анализа является список переменных.

10 ОСНОВНЫЕ ЭТАПЫ Многофакторный анализ

ОСНОВНЫЕ ЭТАПЫ Многофакторный анализ

Существуют различные методы построения «оптимальной» модели по набору заданных переменных. Наиболее распространенный метод – логистическая регрессия. Преимущества регрессии: Итоговый Score получается простым взвешиванием переменных. Score лежит в диапазоне [0,1] и может быть проинтерпретирован как вероятность негативного события Метод устойчив к небольшим изменениям выборки. Нахождение оптимального решения сводится к максимизации функции правдоподобия

11 ОСНОВНЫЕ ЭТАПЫ Многофакторный анализ

ОСНОВНЫЕ ЭТАПЫ Многофакторный анализ

В таблице ниже перечислены значения Джини, которые могут быть достигнуты на практике для различных типов моделей.

12 ОСНОВНЫЕ ЭТАПЫ Анализ отклоненных клиентов

ОСНОВНЫЕ ЭТАПЫ Анализ отклоненных клиентов

Существует различные техники определения качества отклоненных клиентов: Присвоить всем отклоненным клиентам статус – Плохой Разбить на хороших и плохих в той же пропорции, что и по известной части Экстраполяция Пополнение Метод соседей Совместное распределение Использование 3 групп (плохие, хорошие, отклоненные) Анализ причин отклонения (негативная кредитная история -> отказ)

13 ОСНОВНЫЕ ЭТАПЫ Калибровка

ОСНОВНЫЕ ЭТАПЫ Калибровка

Калибровка – назначение вероятности дефолта для заданного рейтинга модели. Качество калибровки зависит от того, в какой степени вероятности дефолта, предсказанные моделью, соответствуют фактически реализовавщимся дефолтам. Существует ряд методов, позволяющих оценить качество калибровки: Показатель Бриера Диаграмма надежности Проверки значимости отклонений от частоты дефолтов Проверочная калибровка с использование стандартного нормального распределения Биномиальный Калибровочный тест Процедура калибровочных испытаний на основе корреляций дефолтов.

14 ОСНОВНЫЕ ЭТАПЫ Пример калибровки

ОСНОВНЫЕ ЭТАПЫ Пример калибровки

Вводим новую переменную RDR =PD/(1–PD) Вычисляем Average DR по модели на недофолтной выборке Переводим полученный результат в RDRмодели Вычисляем Average DR по портфелю и переводим в RDRпортфеля Считаем RDRнекалиб для каждой группы RDRкалиб находим как RDRнекалиб х (RDRпортфеля / RDRмодели)

15 ОСНОВНЫЕ ЭТАПЫ Тестирование

ОСНОВНЫЕ ЭТАПЫ Тестирование

Целью тестирования является оценка качества модели при её использовании на данных не входящих выборку, которая была использована при построении модели. Можно выделить следующие основные тесты: Эффективность (дифференцирующая способность) Устойчивость (робастность) Бэк-тестирование Champion-Challenger стратегия Основным показателем эффективности является коэффициент Джини. Чем больше выборка, тем более надежным будет данный критерий. Для оценки надежности коэффициента Джини используют: Бенчмаркинг Аналитическую оценку уровня доверия Эвристическую оценка уровня доверия путем повторных случайных выборок (Bootstrapping, Jackknifing, Метод скользящего среднего) Выборка для валидации In-time: выборка построена случайным выбором из общей выборки Out-of-time: случайный выбор из другого временного периода.

16 ОСНОВНЫЕ ЭТАПЫ Документация

ОСНОВНЫЕ ЭТАПЫ Документация

В соответствие с Базель II: Все важнейшие элементы модели и процесса моделирования должны быть полностью и надлежащим образом задокументированы. Банки обязаны письменно документировать разработку внутренних моделей и оперативные подробности. Документация должна продемонстрировать соблюдение банком минимальных количественных и качественных стандартов, и должна также покрывать такие разделы, как применение модели для различных сегментов портфеля, процедура рейтингования, ответственность сторон, участвующих в моделировании, а также процессы утверждение и пересмотра модели.

17 ОСНОВНЫЕ ЭТАПЫ Внедрение и Сопровождение

ОСНОВНЫЕ ЭТАПЫ Внедрение и Сопровождение

Фактическая интеграция процедуры рейтингования в процесс управления кредитным риском в Банке и в системы отчетности, включают в себя: Разработку банком внутренних процедур, которые включают в себя процесс рейтингования, и включение их в банковские документы Использование рейтингов в процессе управления кредитным риском (принятие решений, ценообразование, полномочия, система лимитов, и т.д.) Соответствие процедуры рейтингование с кредитной стратегией Банка Ответственность за рейтинг не должна лежать на фронт-офисе (бизнес), исключение возможно лишь в рознчном бизнесе, но также не рекомендуется. В случае если пользователь может отклоняться от рейтинговой процедуры, должна быть определена чёткая процедура как и когда, все отклонения должны быть задокументированы.

18 ОСНОВНЫЕ ЭТАПЫ Валидация

ОСНОВНЫЕ ЭТАПЫ Валидация

Основные принципы валидации

В соответствие с Базель II: Банк должен регулярно оценивать (валидировать) работу модели, включая мониторинг ее результатов и стабильности, отслеживание взаимосвязей моделей и тестирование результатов моделирования относительно реальных данных.

Банк ответственен за валидацию модели Валидация должна оценивать предсказательную силу модели и использование результатов модели в кредитном процессе Валидация – итеративный процесс Не существует единого подхода к валидации Валидация должна включать в себя как качественную, так и количественную валидацию Валидация должна быть независимой от основного процесса моделирования

19 Вопросы

Вопросы

20 Практика

Практика

Мария Чепурина, Коллекторское агентство "Пристав"

21 Розничное кредитование Эволюция моделей

Розничное кредитование Эволюция моделей

Запуск проекта – разработать MAC, отражающие демографические и локальные особенности рынка. Установить среднерыночные лимиты и собирать данные. Рост – разработка скоринговых карт для разных сегментов бизнеса и разных регионов. Лимиты на основании скоринга. Развитие – агрессивная стратегия – снизить cut-offs, усиленный мониторинг по каналам продаж. Реагировать на увеличение риска изменением cut-offs, информировать каналы. Развитие – Cross Sell – тестировать и внедрять критерии продаж, использовать эксперименты champion/challenger (установление лимита, увеличение лимита, прибыльность).

22 Розничное кредитование Данные

Розничное кредитование Данные

Вводить все поля анкеты Хранить информацию по отказанным заявкам Информация о канале продаж (внутренний, внешний, Cross-sell) Возможность сигнала от кредитного специалиста (visual contact codes) Контролировать потоки заявок и события на всех стадиях выдачи кредита (проверки по базам, верификация, СЭБ). Быстро настраиваемые work flows в ИТ-системах. Обеспечить удобные интерфейсы с автоматическим системами проверок на мошенничество

23 Розничное кредитование Мониторинг

Розничное кредитование Мониторинг

Approval/Rejection rates по каналам продаж Размер просрочки по продуктам Отказы на верификации/проверкам на Fraud по каналам продаж Средние скоринговые баллы по каналам продаж Средние скоринговые баллы для всех заявок, одобренных/отклоненных заявок Случаи override скоринга

24 Розничное кредитование Предотвращение мошенничества

Розничное кредитование Предотвращение мошенничества

Разработать простой и ясный набор правил для проверок на мошенничество. Не опираться на данные, сообщенные самим аппликантом об уровне дохода, и на результаты звонков при верификации. Наилучший вариант – дополнительная проверка по базам ФНС, Пенсионного фонда. Мониторинг FPD по каналам и точкам продаж (может быть связано с внутренним мошенничества) Fraud скоринг Включить меры по сокращению мошенничества в KPI департамента продаж.

25 Розничное кредитование Работа с просроченными долгами

Розничное кредитование Работа с просроченными долгами

В этой области присутствуют более четкие определения риска. Collection scoring как комбинация locator score и performance score. Учет затрат по сравнению с размером долга и прогнозируемым возвратом. В растущем проекте – заблаговременное планирование capacity. Использование сотрудников согласно их квалификации. Мотивация, четкое разделение на стадии работы. Обратное движение только при крупных погашениях. Продажа долгов, использование аутсорсинга.

26 Розничное кредитование Аналитика

Розничное кредитование Аналитика

Мониторинг состояния портфеля (уровень просрочки). Application Scorecard Development (Originations). Fraud Scorecard Development (Originations). Behaviour Scorecard development (управление лимитами, перевыпуск карт, Collections). Динамический расчет провизий (flow-rates). Сегментация портфеля. Оптимизация процессов (Collection, Verification). Планирование Collection Capacity. Fraud Intelligence – проверка эффективности экспертных правил. Анализ результатов экспериментов. Profitability score models. И многое другое…

27 2004 – Разработка скоринга

2004 – Разработка скоринга

Необходимость в разработке собственной модели Новое направление кредитования (CF), сокращенный ввод данных в POS Зависимость от внешнего разработчика Низкие показатели эффективности generic модели (СС + Overs) Первые действия Критический анализ экспертами generic модели На уровне банка принято решение о конфиденциальности, передаче Директору по управлению рисками единолично принимать решения по разработке и внедрению моделей Достаточность данных для разработки К этому моменту было накоплено достаточное кол-во Bads (60+ dpd) – 500-1000.

28 Качество данных Примеры проблем

Качество данных Примеры проблем

Недостаточно развернутые классификации в FE (подготовлены без учета мнения аналитиков) (Industry type, Position, Work type). Частый выбор категории ‘OTHER’ при вводе данных. Различные написания в полях текстового ввода. Неполные классификации. Необходимость учета существующих интерфейсов между системами (хорошие предикторы иногда невозможно передать без доработки интерфейсов). Учет различных кодировок при разработке, тестировании и настройке. Ошибки при повторном вводе.

29 Качество данных Примеры проблем

Качество данных Примеры проблем

Должность Возможно 9 вариантов выбора типа должности, но в точках продаж агенты просто выбирают “OTHER”.

Position

Number of customers

Percent

ACCOUNTER

1265

2%

CHIEF_OF_DEPARTMENT

93

0%

CHIEF_OF_SECTION

759

1%

DIRECTOR

3257

5%

EMPLOYE

1897

3%

IT_SPECIALIST

724

1%

MAINTENANCE_STAFF

5535

8%

SALES_MANAGER

1981

3%

SPECIALIST

1575

2%

OTHER

54493

76%

TOTAL

71579

30 Качество данных Примеры проблем

Качество данных Примеры проблем

Тип отрасли 26 вариантов выбора для характеристики “Тип отрасли”. Агенты не задумываются над классификацией, выбирают “OTHER”. Огромное число вариантов написаний (ошибки, пр.) в поле прямого ввода для категории “OTHER” .

Industry type

Percent

Number of customers

ADMINISTRATION

1311

1,83%

AGRICULTURE

630

0,88%

ART

234

0,33%

AUTHORITY

1662

2,32%

CONSTRUCTION

5732

8,00%

ENTERTAINMENT

3072

4,29%

EXCHANGE

16

0,02%

EXTRACTIVE

1115

1,56%

FINANCES

758

1,06%

FORMATION

2277

3,18%

GAMBLING

193

0,27%

HOTELS

169

0,24%

INSTRUCTING

18

0,03%

JEWELLERY

64

0,09%

LEGAL

247

,34%

MANAGEMENT

69

0,10%

MEDICINE

2174

3,03%

PRESS

373

0,52%

REAL_ESTATE

94

,13%

REPAIR

1122

1,57%

RETAIL

8800

12,28%

SCIENCE

358

0,50%

SECURITY

1986

2,77%

SERVICES

1127

1,57%

TOURISM

107

0,15%

WHOLESALE

3895

5,44%

OTHER

34055

47,52%

TOTAL

71659

31 Разработка скоринга Общие идеи

Разработка скоринга Общие идеи

Поиск удачных предикторов – как охота, нет априорных правил. Позвольте данным рассказать о себе. Учитесь у них. На начальном этапе стоит отказаться от сложных теоретических методов. Модель должна быть логичной относительно выбранного Good/Bad флага. Если направление связи трудно объяснить – лучше исключить эту переменную. Изучайте всю возможную информацию (доп. ввод архива, классификация текстовых полей, не используемые в IT-системах поля). Возможно, вы найдете предиктор, для которого потребуется изменение текущих процессов. Чрезвычайно важно тщательное тестирование (OOS, OOT, настройки систем). Избегать использования переменных сегментации в скоринговых моделях (регионы, размер дохода, канал продаж, тип продукта.. ) Force option – «психологические оси» - баланс предикторов

32 Разработка скоринга

Разработка скоринга

Information asymmetry between the lender and the borrower The borrower signals to the lender, the lender interprets the signal according to prior experience Choices offered in a credit application are signaling devices For example, providing phone number means: borrower probably has a phone borrower wants to give his phone number. Both facts have to be given consideration

33 Разработка скоринга Автоматизация

Разработка скоринга Автоматизация

SAS Base (+ macro in Excel – HSBC) SAS Base (+ in-house GUI tool - Lloyds TSB) SPSS STATISTICA SIGMA – Experian’s in-house tool (200 models over a year in 2002) SAS Enterprise Miner, SAS Credit Scoring Scorto Scoring Solution KSEMA

34 Разработка скоринга Процесс

Разработка скоринга Процесс

35 Разработка скоринга Процесс

Разработка скоринга Процесс

… Но они лучше выплачивают кредит

Женщин меньше…

Доля мужчин и женщин с разбивкой по возрасту

Доля плохих заемщиков среди мужчин и женщин

36 Разработка скоринга Процесс

Разработка скоринга Процесс

Внешний разработчик

Идеальный скоринг

Reference line

Скоринг УР

Карта недостаточно хорошо выделяет самых плохих заемщиков

37 Разработка скоринга Процесс

Разработка скоринга Процесс

«Идеальное» распределение «плохих»

Распределение «плохих»

Распределение «хороших»

«Идеальное» распределение «хороших»

38 Разработка скоринга Процесс – отчет на ГКК

Разработка скоринга Процесс – отчет на ГКК

Чистка данных Выставление Good/Bad флага Отправка данных стороннему разработчику Пересмотр правила определения «Good» Одномерный анализ данных Двумерный анализ данных Отбор переменных в анализе (определение «психологических осей») Многомерный анализ Тестирование новой карты на контрольной выборке выполняется Анализ полученных результатов выполняется

39 Применение итоговой модели

Применение итоговой модели

Варианты применения модели: Установить модель от внешнего разработчика, набрать Out-Of-Time sample, сравнить performance у собственной модели и внешней, принять решение об использовании. На условленный срок включить 100% open gates (для быстрого набора достаточного количества Bads - gaining experience at the price of loss rates). Компромисс: 50% open gates (random via champion/challenger), 50% собственная модель. Применение московской модели в избранных регионах (25% open gates, 75% scored). Совместное применение нескольких моделей (CF+ FPD), комбинация правил для cut-off

40 Результаты работы модели

Результаты работы модели

Результат работы карт за 2 года - снижение резервов с экспертных 20-28% до 5-16%, в зависимости от продукта

41 Мониторинг PSI (Москва)

Мониторинг PSI (Москва)

42 Мониторинг PSI (Регионы)

Мониторинг PSI (Регионы)

43 2006 Модель пропуска первого платежа

2006 Модель пропуска первого платежа

13% заемщиков относятся к категории Non-Starters. Нет платежей в течение первых 3 месяцев – подозрение на мошенничество. First Payment Default model 40,900 заемщиков с историей 6-14 месяцев 13 моделей 20% of lowest FPD scores eliminate 50% of NS population Combined cut-off will increase rejection by 5%, eliminate 30% of NS

44 Модель пропуска первого платежа

Модель пропуска первого платежа

45 2006 Разработка скоринга для регионов

2006 Разработка скоринга для регионов

Региональный проект начат с использованием open gates в регионах После накопления 5-7K заявок проверить эффективность московской модели в регионах Применение московской модели в 5 избранных регионах (25% open gates, 75% scored). После накопления достаточной истории начата разработка региональной модели. 262,700 заявок, 6-12 месяцев в работе Требование – исключить переменную «тип дополнительного документа» (интерфейс не передает). Проверить новые переменные, появившиеся в анкете и новом FE. Первое применение Reject Inference. Тестирование модели в разных регионах – регионы разделены на 3 группы по величинам GINI, выбор cut-off с учетом требуемого процента отказов.

46 2006 Скоринг для регионов

2006 Скоринг для регионов

47 2006 Скоринг для регионов

2006 Скоринг для регионов

48 2006 Скоринг для регионов

2006 Скоринг для регионов

49 2006 Скоринг для регионов

2006 Скоринг для регионов

50 Reject Inference

Reject Inference

Не проводилось, когда в базе отказов присутствовало большое количество мошеннических заявок, которые невозможно было выделить автоматически. Увеличивает время разработки модели на 1-2 недели. В результате модель могут покинуть некоторые переменные, GINI изменяется.

51 2006 Скоринг для регионов IV before and after Reject Inference

2006 Скоринг для регионов IV before and after Reject Inference

52 Lagged delinquency AUTO Москва

Lagged delinquency AUTO Москва

53 Lagged delinquency AUTO Регионы

Lagged delinquency AUTO Регионы

54 2007 Скоринговая карта для автокредитов

2007 Скоринговая карта для автокредитов

policy decision - приостановка продажи экспресс-кредитов в отдельных регионах / городах / точках продаж – начиная с февраля 2007 Проверка эффективности экспертной карты для dpd30+. Лето 2007 - Разработка скоринговых моделей для Москвы и регионов Выбор Good/Bad флага – в результате решено делать FPD model 17,800 заемщиков в Москве. 25,300 заемщиков в регионах. Не убирать VIP (post-input изменение типа клиента) Bad rates by Regions on map – масштабное мошенничество в некоторых регионах

55 2007 Скоринг для Автокредитов Выбор целевой переменной

2007 Скоринг для Автокредитов Выбор целевой переменной

56 Конец

Конец

Вопросы ?

«Построение скоринговых моделей»
http://900igr.net/prezentacija/algebra/postroenie-skoringovykh-modelej-183933.html
cсылка на страницу

Без темы

326 презентаций
Урок

Алгебра

35 тем
Слайды
900igr.net > Презентации по алгебре > Без темы > Построение скоринговых моделей