Bab ini dimulai dengan pengantar umum tentang model risiko kredit. Kita akan menelusuri himpunan data nyata, lalu melakukan prapemrosesan agar berada pada format yang sesuai sebelum menerapkan model risiko kredit.

Pendahuluan dan struktur data

Menjelajahi data kredit

Menafsirkan CrossTable()

Histogram dan pencilan

Histogram

Pencilan

Data hilang dan klasifikasi kasar

Menghapus data hilang

Mengganti data hilang

Mempertahankan data hilang

Pembagian data dan confusion matrix

Membagi himpunan data

Membuat confusion matrix

Pendahuluan dan prapemrosesan data

Chapter 1

Regresi logistik masih menjadi metode yang banyak digunakan dalam pemodelan risiko kredit. Di bab ini, Anda akan mempelajari cara menerapkan model regresi logistik pada data kredit di R.

Regresi logistik: pengantar

Regresi logistik dasar

Menafsirkan odds untuk variabel kategorikal

Beberapa variabel dalam model regresi logistik

Menafsirkan tingkat signifikansi

Regresi logistik: memprediksi probabilitas gagal bayar

Memprediksi probabilitas gagal bayar

Membuat model yang lebih diskriminatif

Mengevaluasi hasil model regresi logistik

Menentukan cut-off

Membandingkan dua cut-off

Rangkuman dan catatan

Membandingkan fungsi taut untuk sebuah cut-off tertentu

Regresi logistik

Chapter 2

Pohon klasifikasi adalah metode populer lainnya dalam dunia pemodelan risiko kredit. Di bab ini, Anda akan mempelajari cara membangun pohon klasifikasi menggunakan data kredit di R.

Apa itu decision tree?

Menghitung gain untuk sebuah tree

Mengubah satu Gini...

Membangun pohon keputusan menggunakan paket rpart()

Undersampling pada himpunan data latih

Mengubah probabilitas prior

Menyertakan matriks loss

Pemangkasan pohon keputusan

Memangkas tree dengan probabilitas prior yang diubah

Memangkas pohon dengan matriks kerugian

Opsi pohon lainnya dan penyusunan confusion matrix

Satu pohon terakhir dengan lebih banyak opsi

Matriks kebingungan dan akurasi pohon final kita

Mengoptimalkan akurasi

Pohon keputusan

Chapter 3

Di bab ini, Anda akan mempelajari cara mengevaluasi dan membandingkan hasil yang diperoleh dari beberapa model risiko kredit.

Menentukan cut-off yang tepat: kurva strategi

Menghitung bad rate dengan tingkat akseptansi tetap

Tabel strategi dan kurva strategi

To tree or not to tree?

Kurva ROC

Kurva ROC untuk membandingkan model regresi logistik

Kurva ROC untuk membandingkan model berbasis pohon

Pemilihan input berdasarkan AUC

Putaran pemangkasan lain berdasarkan AUC

Terbaik dari empat

Reduksi model lebih lanjut?

Penutup kursus

Mengevaluasi model risiko kredit

Chapter 4 Loan Data Chapter 1

Loan Data Chapter 2, 3 and 4

Kursus praktik dengan data kredit nyata ini akan mengajarkan Anda cara memodelkan risiko kredit menggunakan regresi logistik dan pohon keputusan di R. Pemodelan risiko kredit untuk pinjaman perorangan maupun perusahaan sangat penting bagi bank. Probabilitas bahwa seorang debitur akan gagal bayar adalah komponen kunci untuk mengukur risiko kredit. Meskipun model lain juga akan diperkenalkan dalam kursus ini, Anda akan mempelajari dua jenis model yang sering digunakan dalam konteks credit scoring: regresi logistik dan pohon keputusan. Anda akan belajar cara menggunakannya dalam konteks ini, serta bagaimana bank mengevaluasi model-model tersebut.

Intermediate R for Finance

Belajar membuat model untuk menilai risiko kredit keuangan secara profesional.

Pemodelan Risiko Kredit di R

Terapkan pemodelan statistik dalam konteks nyata menggunakan regresi logistik dan pohon keputusan untuk memodelkan risiko kredit.

Keuangan Terapan di R

Analis Kuantitatif  di R

Terbaik dari empat

Pemodelan Risiko Kredit di R

Latihan interaktif langsung