Este capítulo comienza con una introducción general a los modelos de riesgo de crédito. Exploraremos un conjunto de datos real y después lo preprocesaremos para que esté en el formato adecuado antes de aplicar los modelos de riesgo de crédito.

Introducción y estructura de datos

Explorando los datos de crédito

Interpretar un CrossTable()

Histogramas y valores atípicos

Histogramas

Valores atípicos

Datos faltantes y clasificación gruesa

Eliminar datos faltantes

Reemplazar datos ausentes

Mantener los datos ausentes

Partición de datos y matrices de confusión

Dividir el conjunto de datos

Crear una matriz de confusión

Introducción y preprocesamiento de datos

Chapter 1

La regresión logística sigue siendo un método muy utilizado en la modelización del riesgo de crédito. En este capítulo aprenderás a aplicar modelos de regresión logística a datos de crédito en R.

Regresión logística: introducción

Regresión logística básica

Interpretar las odds para una variable categórica

Varias variables en un modelo de regresión logística

Interpretar los niveles de significación

Regresión logística: predecir la probabilidad de impago

Predecir la probabilidad de impago

Crear modelos más discriminativos

Evaluar el resultado del modelo de regresión logística

Especificar un umbral

Comparar dos umbrales

Cierre y comentarios

Comparar funciones de enlace para un umbral dado

Regresión logística

Chapter 2

Los árboles de clasificación son otro método popular en el ámbito de la modelización del riesgo de crédito. En este capítulo aprenderás a crear árboles de clasificación con datos de crédito en R.

¿Qué es un árbol de decisión?

Calcular la ganancia de un árbol

Cambiar un Gini...

Crear árboles de decisión con el paquete rpart()

Submuestreo del conjunto de entrenamiento

Cambiar las probabilidades a priori

Incluir una matriz de pérdidas

Poda del árbol de decisión

Poda del árbol con probabilidades previas modificadas

Poda del árbol con la matriz de pérdidas

Otras opciones de árboles y la construcción de matrices de confusión

Un último árbol usando más opciones

Matriz de confusión y exactitud de nuestros árboles finales

Optimizar la exactitud

Árboles de decisión

Chapter 3

En este capítulo verás cómo evaluar y comparar los resultados obtenidos con varios modelos de riesgo de crédito.

Encontrar el umbral adecuado: la curva de estrategia

Calcular la bad rate dada una tasa de aceptación fija

La tabla de estrategia y la curva de estrategia

¿Árbol o no árbol?

La curva ROC

Curvas ROC para comparar modelos de regresión logística

Curvas ROC para comparar modelos basados en árboles

Selección de variables basada en el AUC

Otra ronda de poda basada en AUC

El mejor de cuatro

¿Más reducción del modelo?

Cierre del curso

Evaluación de un modelo de riesgo de crédito

Chapter 4 Loan Data Chapter 1

Loan Data Chapter 2, 3 and 4

Este curso práctico con datos reales de crédito te enseñará a modelizar el riesgo de crédito usando regresión logística y árboles de decisión en R. Modelizar el riesgo de crédito para préstamos personales y de empresas es de gran importancia para los bancos. La probabilidad de que una persona deudora incurra en impago es un componente clave para medir el riesgo de crédito. Aunque también se presentarán otros modelos, aprenderás dos tipos de modelos muy usados en scoring de crédito: la regresión logística y los árboles de decisión. Verás cómo utilizarlos en este contexto concreto y cómo evalúan los bancos estos modelos.

Intermediate R for Finance

Aprende a crear modelos para evaluar el riesgo crediticio financiero como un profesional.

Modelización del riesgo de crédito en R

Aplica modelos estadísticos en un contexto real utilizando la regresión logística y los árboles de decisión para modelar el riesgo crediticio.

Finanzas Aplicadas en R

Analista cuantitativo  en R

Manager of Data Science Curriculum at Flatiron School

Otras opciones de árbol y construcción de matrices de confusión

Otros argumentos útiles de rpart()

Hacer predicciones con el árbol de decisión

Construir una matriz de confusión

¡Vamos a practicar!

Árboles de decisión - Otras opciones de árboles y la construcción de matrices de confusión

Otras opciones de árboles y la construcción de matrices de confusión

Create Your Free Account