در حال حاضر محصولی در سبد خرید شما وجود ندارد.

پنل کاربری

رمز خود را فراموش کرده اید؟ اگر اولین بار است از سایت جدید استفاده میکنید باید پسورد خود را ریست نمایید.
دسته بندی
دسته بندی

در حال حاضر محصولی در سبد خرید شما وجود ندارد.

آموزش مدل سازی ریسک اعتبار با Python

15,900 تومان
بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
افزودن به سبد خرید
خرید دانلودی فوری

در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

ویدئو معرفی این محصول

در این دوره آموزشی یاد می گیرید که چطور مدل های مالی و آماری ریسک اعتبار را بوسیله پایتون مدل سازی کنید.

عنوان اصلی : Credit Risk Modeling in Python 2019

سرفصل ها :


معرفی :
دوره شامل چه مواردی می شود
ریسک اعتباری چیست و چرا اهمیت دارد؟
ریسک اعتباری چیست و چرا اهمیت دارد؟
2 سوال
زیان مورد انتظار (EL) و اجزای آن: PD، LGD و EAD
زیان مورد انتظار (EL) و اجزای آن: PD، LGD و EAD
4 سوال
کفایت سرمایه، مقررات و توافقنامه بازل 2
کفایت سرمایه، مقررات و توافقنامه بازل 2
3 سوال
رویکردهای بازل II: SA، F-IRB، و A-IRB
رویکردهای بازل II: SA، F-IRB، و A-IRB
3 سوال
انواع مختلف تسهیلات (طبقات دارایی) و رویکردهای مدل‌سازی ریسک اعتباری
انواع مختلف تسهیلات (طبقات دارایی) و رویکردهای مدل‌سازی ریسک اعتباری
2 سوال
راه اندازی محیط کار:
راه اندازی محیط - لطفا رد نشوید!
چرا پایتون و چرا ژوپیتر
نصب آناکوندا
داشبورد Jupyter - قسمت 1
داشبورد Jupyter - قسمت 2
نصب پکیج اسکلرن
توضیحات مجموعه داده:
مثال ما: وام های مصرفی. نگاه اول به مجموعه داده
مثال ما: وام های مصرفی. نگاه اول به مجموعه داده
2 سوال
متغیرهای وابسته و متغیرهای مستقل
متغیرهای وابسته و متغیرهای مستقل
2 سوال
پیش پردازش عمومی:
وارد کردن داده ها به پایتون
وارد کردن داده ها به پایتون
1 سوال
پیش پردازش چند متغیر پیوسته
پیش پردازش چند متغیر پیوسته
1 سوال
پیش پردازش چند متغیر پیوسته: تکالیف
پیش پردازش چند متغیر گسسته
پیش پردازش چند متغیر گسسته
2 سوال
مقادیر از دست رفته را بررسی کنید و تمیز کنید
مقادیر از دست رفته را بررسی کنید و تمیز کنید
1 سوال
مقادیر از دست رفته را بررسی کنید و پاک کنید: تکالیف
مدل PD: آماده سازی داده ها:
مدل PD چگونه به نظر می رسد؟
مدل PD چگونه به نظر می رسد؟
3 سوال
متغیر وابسته: تعریف خوب/بد (پیش‌فرض).
متغیر وابسته: تعریف خوب/بد (پیش‌فرض).
2 سوال
طبقه بندی دقیق، وزن شواهد، و طبقه بندی درشت
طبقه بندی دقیق، وزن شواهد، و طبقه بندی درشت
3 سوال
ارزش اطلاعاتی
ارزش اطلاعاتی
2 سوال
آماده سازی داده ها تقسیم داده ها
آماده سازی داده ها تقسیم داده ها
1 سوال
آماده سازی داده ها یک مثال
آماده سازی داده ها یک مثال
1 سوال
آماده سازی داده ها پیش پردازش متغیرهای گسسته: محاسبات خودکار
آماده سازی داده ها پیش پردازش متغیرهای گسسته: محاسبات خودکار
1 سوال
آماده سازی داده ها پیش پردازش متغیرهای گسسته: تجسم نتایج
آماده سازی داده ها پیش پردازش متغیرهای گسسته: ایجاد آدمک (قسمت 1)
آماده سازی داده ها پیش پردازش متغیرهای گسسته: ایجاد آدمک (قسمت 1)
1 سوال
آماده سازی داده ها پیش پردازش متغیرهای گسسته: ایجاد آدمک (قسمت 2)
آماده سازی داده ها پیش پردازش متغیرهای گسسته: ایجاد آدمک (قسمت 2)
1 سوال
آماده سازی داده ها پیش پردازش متغیرهای گسسته مشق شب.
آماده سازی داده ها پیش پردازش متغیرهای پیوسته: محاسبات خودکار
آماده سازی داده ها پیش پردازش متغیرهای پیوسته: محاسبات خودکار
1 سوال
آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 1)
آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 1)
1 سوال
آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 2)
آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 2)
1 سوال
آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک. مشق شب
آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 3)
آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک (قسمت 3)
1 سوال
آماده سازی داده ها پیش پردازش متغیرهای پیوسته: ایجاد آدمک. مشق شب
آماده سازی داده ها پیش پردازش مجموعه داده آزمایشی
مدل PD: دفترچه های آماده سازی داده ها
تخمین مدل PD:
مدل PD رگرسیون لجستیک با متغیرهای ساختگی
مدل PD رگرسیون لجستیک با متغیرهای ساختگی
4 سوال
بارگیری داده ها و انتخاب ویژگی ها
تخمین مدل PD
یک مدل رگرسیون لجستیک با مقادیر p بسازید
یک مدل رگرسیون لجستیک با مقادیر p بسازید
2 سوال
تفسیر ضرایب در مدل PD
تفسیر ضرایب در مدل PD
3 سوال
اعتبار سنجی مدل PD:
اعتبار سنجی خارج از نمونه (آزمون)
اعتبار سنجی خارج از نمونه (آزمون)
1 سوال
ارزیابی عملکرد مدل: دقت و سطح زیر منحنی (AUC)
ارزیابی عملکرد مدل: دقت و سطح زیر منحنی (AUC)
4 سوال
ارزیابی عملکرد مدل: جینی و کولموگروف-اسمیرنوف
ارزیابی عملکرد مدل: جینی و کولموگروف-اسمیرنوف
3 سوال
استفاده از مدل PD برای تصمیم گیری:
محاسبه احتمال پیش‌فرض برای یک مشتری
ایجاد کارت امتیازی
ایجاد کارت امتیازی
1 سوال
محاسبه امتیاز اعتباری
محاسبه امتیاز اعتباری
1 سوال
از امتیاز اعتباری تا PD
از امتیاز اعتباری تا PD
1 سوال
تنظیم برش ها
تنظیم برش ها
1 سوال
تنظیم برش ها مشق شب
مدل PD: نوت بوک های رگرسیون لجستیک
مانیتورینگ مدل PD:
پایش مدل PD از طریق ارزیابی ثبات جمعیت
پایش مدل PD از طریق ارزیابی ثبات جمعیت
1 سوال
شاخص پایداری جمعیت: پیش پردازش
شاخص پایداری جمعیت: محاسبه و تفسیر
شاخص پایداری جمعیت: محاسبه و تفسیر
1 سوال
تکلیف: ساختن یک مدل PD به روز
مدل های LGD و EAD: آماده سازی داده ها:
مدل های LGD و EAD: متغیرهای مستقل.
مدل های LGD و EAD: متغیرهای مستقل
1 سوال
مدل های LGD و EAD: متغیرهای وابسته
مدل های LGD و EAD: متغیرهای وابسته
3 سوال
مدل های LGD و EAD: توزیع نرخ های بازیابی و عوامل تبدیل اعتبار
مدل های LGD و EAD: توزیع نرخ های بازیابی و عوامل تبدیل اعتبار
1 سوال
مدل LGD:
مدل LGD: آماده سازی ورودی ها
مدل LGD: تست مدل
مدل LGD: تست مدل
1 سوال
مدل LGD: تخمین دقت مدل
مدل LGD: ذخیره مدل
مدل LGD: مرحله 2 - رگرسیون خطی
مدل LGD: مرحله 2 - رگرسیون خطی با نظرات
2 سوال
مدل LGD: مرحله 2 - ارزیابی رگرسیون خطی
مدل LGD: مرحله 2 - ارزیابی رگرسیون خطی
1 سوال
مدل LGD: ترکیب مرحله 1 و مرحله 2
مدل LGD: ترکیب مرحله 1 و مرحله 2
1 سوال
تکلیف: ساخت یک مدل به روز LGD
مدل EAD:
تخمین و تفسیر مدل EAD
تخمین و تفسیر مدل EAD
3 سوال
اعتبار سنجی مدل EAD
اعتبار سنجی مدل EAD
1 سوال
تکلیف: ساخت یک مدل EAD به روز شده
محاسبه زیان مورد انتظار:
محاسبه ضرر مورد انتظار
محاسبه ضرر مورد انتظار
1 سوال
تکالیف: زیان مورد انتظار را بر اساس داده های اخیر محاسبه کنید

نمایش سرفصل های انگلیسی

Credit Risk Modeling in Python 2019