이 장에서는 신용 위험 모형에 대한 전반적인 소개로 시작합니다. 실제 데이터셋을 살펴본 뒤, 신용 위험 모형을 적용하기 전에 데이터셋을 적절한 형식으로 전처리합니다.

소개와 데이터 구조

신용 데이터 탐색하기

CrossTable() 해석하기

히스토그램과 이상치

히스토그램

이상치

결측치와 조잡한 분류

누락된 데이터 삭제하기

결측값 대체하기

결측값 유지하기

데이터 분할과 혼동 행렬

데이터 세트 분할하기

혼동 행렬 만들기

소개 및 데이터 전처리

Chapter 1

로지스틱 회귀는 여전히 신용 위험 모델링에서 널리 쓰이는 방법입니다. 이 장에서는 R에서 신용 데이터에 로지스틱 회귀 모형을 적용하는 방법을 배웁니다.

로지스틱 회귀: 소개

기본 로지스틱 회귀

범주형 변수의 오즈 해석하기

로지스틱 회귀 모형에서 여러 변수 사용하기

유의수준 해석하기

로지스틱 회귀: 부도 확률 예측

부도 확률 예측하기

더 변별력 있는 모델 만들기

로지스틱 회귀 모델 결과 평가하기

컷오프 지정하기

두 개의 컷오프 비교

마무리와 정리

주어진 컷오프에서 링크 함수 비교

로지스틱 회귀

Chapter 2

분류나무는 신용 위험 모델링 분야에서 또 다른 인기 있는 방법입니다. 이 장에서는 R을 사용해 신용 데이터로 분류나무를 구축하는 방법을 배웁니다.

의사결정나무란 무엇인가요?

트리의 gain 계산하기

지니 한 쪽만 바꾸면...

rpart() 패키지를 사용한 의사결정나무 구축

훈련 세트 언더샘플링

사전확률 변경하기

손실 행렬 포함하기

의사결정나무 가지치기

사전확률을 변경하여 트리 가지치기

손실 행렬로 트리 가지치기

더 많은 트리 옵션과 혼동 행렬 구성

더 많은 옵션으로 마지막 트리 만들기

최종 트리의 혼동 행렬과 정확도

정확도 최적화

의사결정나무

Chapter 3

이 장에서는 여러 신용 위험 모형으로부터 얻은 결과를 어떻게 평가하고 비교할 수 있는지 학습합니다.

적절한 컷오프 찾기: 전략 곡선

고정된 승인율에서 불량률 계산하기

전략 테이블과 전략 곡선

의사결정나무를 쓸까요, 말까요?

ROC 곡선

로지스틱 회귀 모델 비교를 위한 ROC 곡선

트리 기반 모델 비교를 위한 ROC 곡선

AUC 기반 입력 변수 선택

AUC 기반 가지치기 다시 한 번

넷 중 최고의 모델

더 줄일 수 있을까요?

강의 마무리

신용 위험 모형 평가

Chapter 4 Loan Data Chapter 2, 3 and 4

Loan Data Chapter 1

실제 신용 데이터로 진행하는 실습형 강의입니다. R에서 로지스틱 회귀와 의사결정나무를 사용해 신용 위험을 모델링하는 방법을 배웁니다. 개인 및 기업 대출의 신용 위험을 모델링하는 일은 은행에 매우 중요합니다. 채무자가 연체할 확률은 신용 위험을 측정하는 데 핵심 요소입니다. 이 강의에서는 다른 모형도 간략히 소개하지만, 신용평가에서 자주 쓰이는 두 가지 모형인 로지스틱 회귀와 의사결정나무에 초점을 맞춥니다. 이 모형들을 해당 맥락에서 어떻게 활용하는지, 그리고 은행이 이러한 모형을 어떻게 평가하는지도 배우게 됩니다.

Intermediate R for Finance

전문가처럼 금융 신용 위험 평가 모델을 배우세요.

R로 배우는 신용 위험 모델링

로지스틱 회귀 분석과 의사 결정 트리를 활용하여 실제 환경에서 신용 위험을 모델링하는 통계적 모델링을 적용한다.

의사결정나무 가지치기

Create Your Free Account