Secsmo - metodika kurzu
Gradientní boosting pro kreditní skórování
Regresní modely patří k nejpoužívanějším nástrojům kvantitativní analýzy ve financích. Tento kurz propojuje statistickou teorii s praktickými aplikacemi v prostředí reálných tržních dat.
Cena kurzu 7800 Kč* Model slouží výhradně pro vzdělávací demonstraci, nikoli pro reálné úvěrové rozhodování.
Kompletní metodika s notebooky, daty a šablonou validačního reportu Přihlásit se ke kurzu
Struktura programu
Průběh a obsah výuky
01
Kroky metodiky
-
- Analýza a čištění dat
- Průzkumná analýza, detekce úniku informací, ošetření chybějících hodnot.
-
- Feature engineering
- Tvorba odvozených proměnných, WoE transformace pro kategorické příznaky.
-
- Trénování modelu
- XGBoost s Bayesovskou optimalizací hyperparametrů.
-
- Kalibraci pravděpodobností
- Plattovo škálování pro správnou interpretaci výstupních pravděpodobností.
-
- Interpretace
- SHAP analýza na úrovni celého modelu i jednotlivých žadatelů.
-
- Validace a monitoring
- Out-of-time testování, PSI statistika pro sledování stability modelu v čase.
Podrobný popis
O čem tento kurz skutečně je
Kreditní skórování rozhoduje o tom, zda banka nebo nebankovní instituce poskytne úvěr. Tradičně se používaly logistická regrese a scorecardové modely. Gradientní boosting, konkrétně XGBoost nebo LightGBM, dosahuje na stejných datech nižší chybovosti.
Specifika finančních dat pro skórování
Data pro kreditní modely jsou silně nevyvážená. Podíl nesplácejících klientů se pohybuje typicky mezi 2 a 8 procenty. Metodika zahrnuje techniky převzorkování a úpravu prahové hodnoty klasifikace.
Dalším problémem je informační únik. Proměnné jako výše splátky nebo zůstatek po splatnosti jsou dostupné až po poskytnutí úvěru. Metodika detailně popisuje, jak tyto proměnné správně vyloučit z trénovací sady.
Interpretace modelu
SHAP hodnoty umožňují vysvětlit, proč model přiřadil konkrétnímu žadateli dané skóre. To je požadavek regulátorů v zemích EU, kde musí instituce umět vysvětlit automatizovaná rozhodnutí. Metodika zahrnuje generování individuálních i souhrnných SHAP grafů.
Model je validován pomocí Gini koeficientu a Kolmogorov-Smirnov statistiky na out-of-time vzorku dat.