آموزش مدل سازی ریسک اعتباری در پایتون 2023

Credit Risk Modeling in Python 2023

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یک مطالعه موردی کامل از علم داده: پیش پردازش، مدل‌سازی، اعتبارسنجی مدل و نگهداری در پایتون مهارت‌های مدل‌سازی پایتون خود را بهبود ببخشید نمونه کارهای علم داده خود را با یک موضوع داغ متمایز کنید رزومه خود را با مهارت‌های علم داده مورد تقاضا پر کنید یک مدل ریسک اعتباری کامل در Python Impress بسازید. مصاحبه‌کنندگان با نشان دادن دانش عملی نحوه پیش‌پردازش داده‌های واقعی در پایتون یادگیری نظریه مدل‌سازی ریسک اعتباری به‌کارگیری تکنیک‌های علم داده‌های پیشرفته حل یک تکلیف واقعی علم داده بتوانید کارایی مدل خود را ارزیابی کنید. انجام رگرسیون‌های خطی و لجستیک در پایتون پیش نیازها: نیازی به تجربه قبلی نیست. ما از همان اصول اولیه ای که برای نصب Anaconda و Python نیاز دارید شروع می کنیم. ما به شما نشان خواهیم داد که چگونه این کار را مرحله به مرحله انجام دهید

دوره کاملاً جدید!!

سلام! به مدل سازی ریسک اعتباری در پایتون خوش آمدید. تنها دوره آنلاینی که به شما می آموزد چگونه بانک ها از مدل سازی علم داده در پایتون برای بهبود عملکرد خود و رعایت الزامات قانونی استفاده می کنند. اگر به حرفه علم داده علاقه دارید، این دوره عالی برای شماست. در اینجا دلیل است:

· مدرس یک متخصص اثبات شده است (دکتری از مدرسه بازرگانی نروژ، که در دانشگاه های مشهور جهان مانند HEC، دانشگاه تگزاس و مدرسه بازرگانی نروژ تدریس کرده است).

· این دوره برای مبتدیان مناسب است. ما با تئوری و پیش پردازش داده های اولیه شروع می کنیم و به تدریج یک تمرین کامل را پیش روی شما حل می کنیم

· هر چیزی که ما پوشش می دهیم به روز و مرتبط با توسعه امروزی مدل های پایتون برای صنعت بانکداری است

· این تنها دوره آنلاینی است که تصویر کاملی از ریسک اعتباری در پایتون را نشان می دهد (با استفاده از تکنیک های پیشرفته برای مدل سازی هر سه جنبه معادله ضرر مورد انتظار - PD، LGD، و EAD) از جمله ایجاد کارت امتیازی از خراش

· در اینجا ما به شما نشان می دهیم که چگونه می توانید مدل هایی ایجاد کنید که با مقررات بازل II و بازل III مطابقت دارند که سایر دوره ها به ندرت به آنها اشاره می کنند

· قرار نیست با داده های جعلی کار کنیم. مجموعه داده استفاده شده در این دوره یک مثال واقعی در دنیای واقعی است

· می‌توانید با نشان دادن مهارت‌هایی که در بازار کار به شدت مورد تقاضا هستند، نمونه کارهای علم داده خود را متمایز کنید

· مهم‌ترین چیز - شما می‌توانید به طور مستقیم ببینید که چگونه یک کار علم داده در دنیای واقعی حل می‌شود


اکثر دوره‌های علوم داده چندین چارچوب را پوشش می‌دهند، اما از بخش پیش پردازش و تئوری صرف نظر می‌کنند. این مانند این است که قبل از اینکه بتوانید یک بطری شراب را باز کنید یاد بگیرید چگونه شراب را بچشید.

ما این کار را نمی‌کنیم. هدف ما کمک به شما برای ایجاد یک پایه محکم است. ما از شما می خواهیم که تئوری را مطالعه کنید، یاد بگیرید که چگونه داده هایی را که لزوما در "دوستانه ترین" قالب نیستند، از قبل پردازش کنید، و البته، تنها در این صورت به شما نشان خواهیم داد که چگونه یک مدل پیشرفته و چگونه بسازید. برای ارزیابی اثربخشی آن.


در طول دوره، چندین تکنیک مهم علم داده را پوشش خواهیم داد.

- وزن شواهد

- مقدار اطلاعات

- طبقه بندی خوب

- طبقه بندی درشت

- رگرسیون خطی

- رگرسیون لجستیک

- ناحیه زیر منحنی

- منحنی مشخصه عملکرد گیرنده

- ضریب جینی

- کولموگروف-اسمیرنوف

- ارزیابی ثبات جمعیت

- حفظ یک مدل


همراه با درس های ویدیویی، چندین منبع ارزشمند دریافت خواهید کرد که به شما کمک می کند تا حد امکان یاد بگیرید:

· سخنرانی ها

· فایل های نوت بوک

· تکالیف

· سؤالات مسابقه

· اسلایدها

· دانلودها

· به Q A دسترسی داشته باشید، جایی که می توانید با معلم دوره تماس بگیرید.


ثبت نام در دوره امروز می تواند گامی عالی به سوی حرفه شما در علم داده باشد. مطمئن شوید که از این فرصت شگفت انگیز نهایت استفاده را می برید!

از داخل می بینمت!


سرفصل ها و درس ها

معرفی Introduction

  • دوره شامل چه مواردی می شود What does the course cover

  • ریسک اعتباری چیست و چرا اهمیت دارد؟ What is credit risk and why is it important?

  • ریسک اعتباری چیست و چرا اهمیت دارد؟ What is credit risk and why is it important?

  • زیان مورد انتظار (EL) و اجزای آن: PD، LGD و EAD Expected loss (EL) and its components: PD, LGD and EAD

  • زیان مورد انتظار (EL) و اجزای آن: PD، LGD و EAD Expected loss (EL) and its components: PD, LGD and EAD

  • کفایت سرمایه، مقررات و توافقنامه بازل 2 Capital adequacy, regulations, and the Basel II accord

  • کفایت سرمایه، مقررات و توافقنامه بازل 2 Capital adequacy, regulations, and the Basel II accord

  • رویکردهای بازل II: SA، F-IRB، و A-IRB Basel II approaches: SA, F-IRB, and A-IRB

  • رویکردهای بازل II: SA، F-IRB، و A-IRB Basel II approaches: SA, F-IRB, and A-IRB

  • انواع مختلف تسهیلات (طبقات دارایی) و رویکردهای مدل‌سازی ریسک اعتباری Different facility types (asset classes) and credit risk modeling approaches

  • انواع مختلف تسهیلات (طبقات دارایی) و رویکردهای مدل‌سازی ریسک اعتباری Different facility types (asset classes) and credit risk modeling approaches

معرفی Introduction

  • دوره شامل چه مواردی می شود What does the course cover

  • ریسک اعتباری چیست و چرا اهمیت دارد؟ What is credit risk and why is it important?

  • ریسک اعتباری چیست و چرا اهمیت دارد؟ What is credit risk and why is it important?

  • زیان مورد انتظار (EL) و اجزای آن: PD، LGD و EAD Expected loss (EL) and its components: PD, LGD and EAD

  • زیان مورد انتظار (EL) و اجزای آن: PD، LGD و EAD Expected loss (EL) and its components: PD, LGD and EAD

  • کفایت سرمایه، مقررات و توافقنامه بازل 2 Capital adequacy, regulations, and the Basel II accord

  • کفایت سرمایه، مقررات و توافقنامه بازل 2 Capital adequacy, regulations, and the Basel II accord

  • رویکردهای بازل II: SA، F-IRB، و A-IRB Basel II approaches: SA, F-IRB, and A-IRB

  • رویکردهای بازل II: SA، F-IRB، و A-IRB Basel II approaches: SA, F-IRB, and A-IRB

  • انواع مختلف تسهیلات (طبقات دارایی) و رویکردهای مدل‌سازی ریسک اعتباری Different facility types (asset classes) and credit risk modeling approaches

  • انواع مختلف تسهیلات (طبقات دارایی) و رویکردهای مدل‌سازی ریسک اعتباری Different facility types (asset classes) and credit risk modeling approaches

راه اندازی محیط کار Setting up the working environment

  • راه اندازی محیط - لطفا از دست ندهید! Setting up the environment - Do not skip, please!

  • چرا پایتون و چرا ژوپیتر Why Python and why Jupyter

  • نصب آناکوندا Installing Anaconda

  • داشبورد Jupyter - قسمت 1 Jupyter Dashboard - Part 1

  • داشبورد Jupyter - قسمت 2 Jupyter Dashboard - Part 2

  • نصب پکیج اسکلرن Installing the sklearn package

راه اندازی محیط کار Setting up the working environment

  • راه اندازی محیط - لطفا از دست ندهید! Setting up the environment - Do not skip, please!

  • چرا پایتون و چرا ژوپیتر Why Python and why Jupyter

  • نصب آناکوندا Installing Anaconda

  • داشبورد Jupyter - قسمت 1 Jupyter Dashboard - Part 1

  • داشبورد Jupyter - قسمت 2 Jupyter Dashboard - Part 2

  • نصب پکیج اسکلرن Installing the sklearn package

توضیحات مجموعه داده Dataset description

  • مثال ما: وام های مصرفی. اولین نگاهی به مجموعه داده Our example: consumer loans. A first look at the dataset

  • مثال ما: وام های مصرفی. اولین نگاهی به مجموعه داده Our example: consumer loans. A first look at the dataset

  • متغیرهای وابسته و متغیرهای مستقل Dependent variables and independent variables

  • متغیرهای وابسته و متغیرهای مستقل Dependent variables and independent variables

توضیحات مجموعه داده Dataset description

  • مثال ما: وام های مصرفی. اولین نگاهی به مجموعه داده Our example: consumer loans. A first look at the dataset

  • مثال ما: وام های مصرفی. اولین نگاهی به مجموعه داده Our example: consumer loans. A first look at the dataset

  • متغیرهای وابسته و متغیرهای مستقل Dependent variables and independent variables

  • متغیرهای وابسته و متغیرهای مستقل Dependent variables and independent variables

پیش پردازش عمومی General preprocessing

  • وارد کردن داده ها به پایتون Importing the data into Python

  • وارد کردن داده ها به پایتون Importing the data into Python

  • پیش پردازش چند متغیر پیوسته Preprocessing few continuous variables

  • پیش پردازش چند متغیر پیوسته Preprocessing few continuous variables

  • پیش پردازش چند متغیر پیوسته: تکالیف Preprocessing few continuous variables: Homework

  • پیش پردازش چند متغیر گسسته Preprocessing few discrete variables

  • پیش پردازش چند متغیر گسسته Preprocessing few discrete variables

  • مقادیر از دست رفته را بررسی کنید و تمیز کنید Check for missing values and clean

  • مقادیر از دست رفته را بررسی کنید و تمیز کنید Check for missing values and clean

  • مقادیر از دست رفته را بررسی کنید و پاک کنید: تکالیف Check for missing values and clean: Homework

پیش پردازش عمومی General preprocessing

  • وارد کردن داده ها به پایتون Importing the data into Python

  • وارد کردن داده ها به پایتون Importing the data into Python

  • پیش پردازش چند متغیر پیوسته Preprocessing few continuous variables

  • پیش پردازش چند متغیر پیوسته Preprocessing few continuous variables

  • پیش پردازش چند متغیر پیوسته: تکالیف Preprocessing few continuous variables: Homework

  • پیش پردازش چند متغیر گسسته Preprocessing few discrete variables

  • پیش پردازش چند متغیر گسسته Preprocessing few discrete variables

  • مقادیر از دست رفته را بررسی کنید و تمیز کنید Check for missing values and clean

  • مقادیر از دست رفته را بررسی کنید و تمیز کنید Check for missing values and clean

  • مقادیر از دست رفته را بررسی کنید و پاک کنید: تکالیف Check for missing values and clean: Homework

مدل PD: آماده سازی داده ها PD Model: Data Preparation

  • مدل PD چگونه به نظر می رسد؟ How is the PD model going to look like?

  • مدل PD چگونه به نظر می رسد؟ How is the PD model going to look like?

  • متغیر وابسته: تعریف خوب/بد (پیش‌فرض). Dependent variable: Good/ Bad (default) definition

  • متغیر وابسته: تعریف خوب/بد (پیش‌فرض). Dependent variable: Good/ Bad (default) definition

  • طبقه بندی دقیق، وزن شواهد، و طبقه بندی درشت Fine classing, weight of evidence, and coarse classing

  • طبقه بندی دقیق، وزن شواهد، و طبقه بندی درشت Fine classing, weight of evidence, and coarse classing

  • ارزش اطلاعاتی Information value

  • ارزش اطلاعاتی Information value

  • آماده سازی داده ها تقسیم داده ها Data preparation. Splitting data

  • آماده سازی داده ها تقسیم داده ها Data preparation. Splitting data

  • آماده سازی داده ها یک مثال Data preparation. An example

  • آماده سازی داده ها یک مثال Data preparation. An example

  • آماده سازی داده ها پیش پردازش متغیرهای گسسته: محاسبات خودکار Data preparation. Preprocessing discrete variables: automating calculations

  • آماده سازی داده ها پیش پردازش متغیرهای گسسته: محاسبات خودکار Data preparation. Preprocessing discrete variables: automating calculations

  • آماده سازی داده ها پیش پردازش متغیرهای گسسته: تجسم نتایج Data preparation. Preprocessing discrete variables: visualizing results

  • آماده سازی داده ها پیش پردازش متغیرهای گسسته: ایجاد آدمک (قسمت 1) Data preparation. Preprocessing discrete variables: creating dummies (Part 1)

  • آماده سازی داده ها پیش پردازش متغیرهای گسسته: ایجاد آدمک (قسمت 1) Data preparation. Preprocessing discrete variables: creating dummies (Part 1)

  • آماده سازی داده ها پیش پردازش متغیرهای گسسته: ایجاد dummies (قسمت 2) Data preparation. Preprocessing discrete variables: creating dummies (Part 2)

  • آماده سازی داده ها پیش پردازش متغیرهای گسسته: ایجاد dummies (قسمت 2) Data preparation. Preprocessing discrete variables: creating dummies (Part 2)

  • آماده سازی داده ها پیش پردازش متغیرهای گسسته مشق شب. Data preparation. Preprocessing discrete variables. Homework.

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: محاسبات خودکار Data preparation. Preprocessing continuous variables: Automating calculations

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: محاسبات خودکار Data preparation. Preprocessing continuous variables: Automating calculations

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 1) Data preparation. Preprocessing continuous variables: creating dummies (Part 1)

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 1) Data preparation. Preprocessing continuous variables: creating dummies (Part 1)

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 2) Data preparation. Preprocessing continuous variables: creating dummies (Part 2)

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 2) Data preparation. Preprocessing continuous variables: creating dummies (Part 2)

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک. مشق شب Data preparation. Preprocessing continuous variables: creating dummies. Homework

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 3) Data preparation. Preprocessing continuous variables: creating dummies (Part 3)

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 3) Data preparation. Preprocessing continuous variables: creating dummies (Part 3)

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک. مشق شب Data preparation. Preprocessing continuous variables: creating dummies. Homework

  • آماده سازی داده ها پیش پردازش مجموعه داده آزمایشی Data preparation. Preprocessing the test dataset

  • مدل PD: دفترچه های آماده سازی داده ها PD model: data preparation notebooks

مدل PD: آماده سازی داده ها PD Model: Data Preparation

  • مدل PD چگونه به نظر می رسد؟ How is the PD model going to look like?

  • مدل PD چگونه به نظر می رسد؟ How is the PD model going to look like?

  • متغیر وابسته: تعریف خوب/بد (پیش‌فرض). Dependent variable: Good/ Bad (default) definition

  • متغیر وابسته: تعریف خوب/بد (پیش‌فرض). Dependent variable: Good/ Bad (default) definition

  • طبقه بندی دقیق، وزن شواهد، و طبقه بندی درشت Fine classing, weight of evidence, and coarse classing

  • طبقه بندی دقیق، وزن شواهد، و طبقه بندی درشت Fine classing, weight of evidence, and coarse classing

  • ارزش اطلاعاتی Information value

  • ارزش اطلاعاتی Information value

  • آماده سازی داده ها تقسیم داده ها Data preparation. Splitting data

  • آماده سازی داده ها تقسیم داده ها Data preparation. Splitting data

  • آماده سازی داده ها یک مثال Data preparation. An example

  • آماده سازی داده ها یک مثال Data preparation. An example

  • آماده سازی داده ها پیش پردازش متغیرهای گسسته: محاسبات خودکار Data preparation. Preprocessing discrete variables: automating calculations

  • آماده سازی داده ها پیش پردازش متغیرهای گسسته: محاسبات خودکار Data preparation. Preprocessing discrete variables: automating calculations

  • آماده سازی داده ها پیش پردازش متغیرهای گسسته: تجسم نتایج Data preparation. Preprocessing discrete variables: visualizing results

  • آماده سازی داده ها پیش پردازش متغیرهای گسسته: ایجاد آدمک (قسمت 1) Data preparation. Preprocessing discrete variables: creating dummies (Part 1)

  • آماده سازی داده ها پیش پردازش متغیرهای گسسته: ایجاد آدمک (قسمت 1) Data preparation. Preprocessing discrete variables: creating dummies (Part 1)

  • آماده سازی داده ها پیش پردازش متغیرهای گسسته: ایجاد dummies (قسمت 2) Data preparation. Preprocessing discrete variables: creating dummies (Part 2)

  • آماده سازی داده ها پیش پردازش متغیرهای گسسته: ایجاد dummies (قسمت 2) Data preparation. Preprocessing discrete variables: creating dummies (Part 2)

  • آماده سازی داده ها پیش پردازش متغیرهای گسسته مشق شب. Data preparation. Preprocessing discrete variables. Homework.

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: محاسبات خودکار Data preparation. Preprocessing continuous variables: Automating calculations

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: محاسبات خودکار Data preparation. Preprocessing continuous variables: Automating calculations

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 1) Data preparation. Preprocessing continuous variables: creating dummies (Part 1)

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 1) Data preparation. Preprocessing continuous variables: creating dummies (Part 1)

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 2) Data preparation. Preprocessing continuous variables: creating dummies (Part 2)

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 2) Data preparation. Preprocessing continuous variables: creating dummies (Part 2)

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک. مشق شب Data preparation. Preprocessing continuous variables: creating dummies. Homework

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 3) Data preparation. Preprocessing continuous variables: creating dummies (Part 3)

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 3) Data preparation. Preprocessing continuous variables: creating dummies (Part 3)

  • آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک. مشق شب Data preparation. Preprocessing continuous variables: creating dummies. Homework

  • آماده سازی داده ها پیش پردازش مجموعه داده آزمایشی Data preparation. Preprocessing the test dataset

  • مدل PD: دفترچه های آماده سازی داده ها PD model: data preparation notebooks

تخمین مدل PD PD model estimation

  • مدل PD رگرسیون لجستیک با متغیرهای ساختگی The PD model. Logistic regression with dummy variables

  • مدل PD رگرسیون لجستیک با متغیرهای ساختگی The PD model. Logistic regression with dummy variables

  • بارگیری داده ها و انتخاب ویژگی ها Loading the data and selecting the features

  • تخمین مدل PD PD model estimation

  • یک مدل رگرسیون لجستیک با مقادیر p بسازید Build a logistic regression model with p-values

  • یک مدل رگرسیون لجستیک با مقادیر p بسازید Build a logistic regression model with p-values

  • تفسیر ضرایب در مدل PD Interpreting the coefficients in the PD model

  • تفسیر ضرایب در مدل PD Interpreting the coefficients in the PD model

تخمین مدل PD PD model estimation

  • مدل PD رگرسیون لجستیک با متغیرهای ساختگی The PD model. Logistic regression with dummy variables

  • مدل PD رگرسیون لجستیک با متغیرهای ساختگی The PD model. Logistic regression with dummy variables

  • بارگیری داده ها و انتخاب ویژگی ها Loading the data and selecting the features

  • تخمین مدل PD PD model estimation

  • یک مدل رگرسیون لجستیک با مقادیر p بسازید Build a logistic regression model with p-values

  • یک مدل رگرسیون لجستیک با مقادیر p بسازید Build a logistic regression model with p-values

  • تفسیر ضرایب در مدل PD Interpreting the coefficients in the PD model

  • تفسیر ضرایب در مدل PD Interpreting the coefficients in the PD model

اعتبار سنجی مدل PD PD model validation

  • اعتبار سنجی خارج از نمونه (آزمون) Out-of-sample validation (test)

  • اعتبار سنجی خارج از نمونه (آزمون) Out-of-sample validation (test)

  • ارزیابی عملکرد مدل: دقت و سطح زیر منحنی (AUC) Evaluation of model performance: accuracy and area under the curve (AUC)

  • ارزیابی عملکرد مدل: دقت و سطح زیر منحنی (AUC) Evaluation of model performance: accuracy and area under the curve (AUC)

  • ارزیابی عملکرد مدل: جینی و کولموگروف-اسمیرنوف Evaluation of model performance: Gini and Kolmogorov-Smirnov

  • ارزیابی عملکرد مدل: جینی و کولموگروف-اسمیرنوف Evaluation of model performance: Gini and Kolmogorov-Smirnov

اعتبار سنجی مدل PD PD model validation

  • اعتبار سنجی خارج از نمونه (آزمون) Out-of-sample validation (test)

  • اعتبار سنجی خارج از نمونه (آزمون) Out-of-sample validation (test)

  • ارزیابی عملکرد مدل: دقت و سطح زیر منحنی (AUC) Evaluation of model performance: accuracy and area under the curve (AUC)

  • ارزیابی عملکرد مدل: دقت و سطح زیر منحنی (AUC) Evaluation of model performance: accuracy and area under the curve (AUC)

  • ارزیابی عملکرد مدل: جینی و کولموگروف-اسمیرنوف Evaluation of model performance: Gini and Kolmogorov-Smirnov

  • ارزیابی عملکرد مدل: جینی و کولموگروف-اسمیرنوف Evaluation of model performance: Gini and Kolmogorov-Smirnov

استفاده از مدل PD برای تصمیم گیری Applying the PD Model for decision making

  • محاسبه احتمال پیش‌فرض برای یک مشتری Calculating probability of default for a single customer

  • ایجاد کارت امتیازی Creating a scorecard

  • ایجاد کارت امتیازی Creating a scorecard

  • محاسبه امتیاز اعتباری Calculating credit score

  • محاسبه امتیاز اعتباری Calculating credit score

  • از امتیاز اعتباری تا PD From credit score to PD

  • از امتیاز اعتباری تا PD From credit score to PD

  • تنظیم برش ها Setting cut-offs

  • تنظیم برش ها Setting cut-offs

  • تنظیم برش ها مشق شب Setting cut-offs. Homework

  • مدل PD: نوت بوک های رگرسیون لجستیک PD model: logistic regression notebooks

استفاده از مدل PD برای تصمیم گیری Applying the PD Model for decision making

  • محاسبه احتمال پیش‌فرض برای یک مشتری Calculating probability of default for a single customer

  • ایجاد کارت امتیازی Creating a scorecard

  • ایجاد کارت امتیازی Creating a scorecard

  • محاسبه امتیاز اعتباری Calculating credit score

  • محاسبه امتیاز اعتباری Calculating credit score

  • از امتیاز اعتباری تا PD From credit score to PD

  • از امتیاز اعتباری تا PD From credit score to PD

  • تنظیم برش ها Setting cut-offs

  • تنظیم برش ها Setting cut-offs

  • تنظیم برش ها مشق شب Setting cut-offs. Homework

  • مدل PD: نوت بوک های رگرسیون لجستیک PD model: logistic regression notebooks

نظارت بر مدل PD PD model monitoring

  • پایش مدل PD از طریق ارزیابی ثبات جمعیت PD model monitoring via assessing population stability

  • پایش مدل PD از طریق ارزیابی ثبات جمعیت PD model monitoring via assessing population stability

  • شاخص پایداری جمعیت: پیش پردازش Population stability index: preprocessing

  • شاخص پایداری جمعیت: محاسبه و تفسیر Population stability index: calculation and interpretation

  • شاخص پایداری جمعیت: محاسبه و تفسیر Population stability index: calculation and interpretation

  • تکلیف: ساختن یک مدل PD به روز Homework: building an updated PD model

نظارت بر مدل PD PD model monitoring

  • پایش مدل PD از طریق ارزیابی ثبات جمعیت PD model monitoring via assessing population stability

  • پایش مدل PD از طریق ارزیابی ثبات جمعیت PD model monitoring via assessing population stability

  • شاخص پایداری جمعیت: پیش پردازش Population stability index: preprocessing

  • شاخص پایداری جمعیت: محاسبه و تفسیر Population stability index: calculation and interpretation

  • شاخص پایداری جمعیت: محاسبه و تفسیر Population stability index: calculation and interpretation

  • تکلیف: ساختن یک مدل PD به روز Homework: building an updated PD model

مدل های LGD و EAD: آماده سازی داده ها LGD and EAD Models: Preparing the data

  • مدل های LGD و EAD: متغیرهای مستقل. LGD and EAD models: independent variables.

  • مدل های LGD و EAD: متغیرهای مستقل LGD and EAD models: independent variables

  • مدل های LGD و EAD: متغیرهای وابسته LGD and EAD models: dependent variables

  • مدل های LGD و EAD: متغیرهای وابسته LGD and EAD models: dependent variables

  • مدل های LGD و EAD: توزیع نرخ های بازیابی و عوامل تبدیل اعتبار LGD and EAD models: distribution of recovery rates and credit conversion factors

  • مدل های LGD و EAD: توزیع نرخ های بازیابی و عوامل تبدیل اعتبار LGD and EAD models: distribution of recovery rates and credit conversion factors

مدل های LGD و EAD: آماده سازی داده ها LGD and EAD Models: Preparing the data

  • مدل های LGD و EAD: متغیرهای مستقل. LGD and EAD models: independent variables.

  • مدل های LGD و EAD: متغیرهای مستقل LGD and EAD models: independent variables

  • مدل های LGD و EAD: متغیرهای وابسته LGD and EAD models: dependent variables

  • مدل های LGD و EAD: متغیرهای وابسته LGD and EAD models: dependent variables

  • مدل های LGD و EAD: توزیع نرخ های بازیابی و عوامل تبدیل اعتبار LGD and EAD models: distribution of recovery rates and credit conversion factors

  • مدل های LGD و EAD: توزیع نرخ های بازیابی و عوامل تبدیل اعتبار LGD and EAD models: distribution of recovery rates and credit conversion factors

مدل LGD LGD model

  • مدل LGD: آماده سازی ورودی ها LGD model: preparing the inputs

  • مدل LGD: تست مدل LGD model: testing the model

  • مدل LGD: تست مدل LGD model: testing the model

  • مدل LGD: تخمین دقت مدل LGD model: estimating the accuracy of the model

  • مدل LGD: ذخیره مدل LGD model: saving the model

  • مدل LGD: مرحله 2 – رگرسیون خطی LGD model: stage 2 – linear regression

  • مدل LGD: مرحله 2 - رگرسیون خطی با نظرات LGD model: stage 2 – linear regression with comments

  • مدل LGD: مرحله 2 - ارزیابی رگرسیون خطی LGD model: stage 2 – linear regression evaluation

  • مدل LGD: مرحله 2 - ارزیابی رگرسیون خطی LGD model: stage 2 – linear regression evaluation

  • مدل LGD: ترکیب مرحله 1 و مرحله 2 LGD model: combining stage 1 and stage 2

  • مدل LGD: ترکیب مرحله 1 و مرحله 2 LGD model: combining stage 1 and stage 2

  • تکلیف: ساخت یک مدل به روز LGD Homework: building an updated LGD model

مدل LGD LGD model

  • مدل LGD: آماده سازی ورودی ها LGD model: preparing the inputs

  • مدل LGD: تست مدل LGD model: testing the model

  • مدل LGD: تست مدل LGD model: testing the model

  • مدل LGD: تخمین دقت مدل LGD model: estimating the accuracy of the model

  • مدل LGD: ذخیره مدل LGD model: saving the model

  • مدل LGD: مرحله 2 – رگرسیون خطی LGD model: stage 2 – linear regression

  • مدل LGD: مرحله 2 - رگرسیون خطی با نظرات LGD model: stage 2 – linear regression with comments

  • مدل LGD: مرحله 2 - ارزیابی رگرسیون خطی LGD model: stage 2 – linear regression evaluation

  • مدل LGD: مرحله 2 - ارزیابی رگرسیون خطی LGD model: stage 2 – linear regression evaluation

  • مدل LGD: ترکیب مرحله 1 و مرحله 2 LGD model: combining stage 1 and stage 2

  • مدل LGD: ترکیب مرحله 1 و مرحله 2 LGD model: combining stage 1 and stage 2

  • تکلیف: ساخت یک مدل به روز LGD Homework: building an updated LGD model

مدل EAD EAD model

  • تخمین و تفسیر مدل EAD EAD model estimation and interpretation

  • تخمین و تفسیر مدل EAD EAD model estimation and interpretation

  • اعتبارسنجی مدل EAD EAD model validation

  • اعتبارسنجی مدل EAD EAD model validation

  • تکلیف: ساخت یک مدل EAD به روز شده Homework: building an updated EAD model

مدل EAD EAD model

  • تخمین و تفسیر مدل EAD EAD model estimation and interpretation

  • تخمین و تفسیر مدل EAD EAD model estimation and interpretation

  • اعتبارسنجی مدل EAD EAD model validation

  • اعتبارسنجی مدل EAD EAD model validation

  • تکلیف: ساخت یک مدل EAD به روز شده Homework: building an updated EAD model

محاسبه ضرر مورد انتظار Calculating expected loss

  • محاسبه ضرر مورد انتظار Calculating expected loss

  • محاسبه ضرر مورد انتظار Calculating expected loss

  • تکالیف: زیان مورد انتظار را بر اساس داده های جدیدتر محاسبه کنید Homework: calculate expected loss on more recent data

  • تکمیل 100% Completing 100%

محاسبه ضرر مورد انتظار Calculating expected loss

  • محاسبه ضرر مورد انتظار Calculating expected loss

  • محاسبه ضرر مورد انتظار Calculating expected loss

  • تکالیف: زیان مورد انتظار را بر اساس داده های جدیدتر محاسبه کنید Homework: calculate expected loss on more recent data

  • تکمیل 100% Completing 100%

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش مدل سازی ریسک اعتباری در پایتون 2023
جزییات دوره
7 hours
75
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
22,007
4.7 از 5
دارد
دارد
دارد
365 Careers
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

365 Careers 365 Careers

ایجاد فرصت برای دانشجویان علوم داده و مالی