Источники модельного риска в банковском скоринге

Размещено на сайте 10.11.2015

Что представляет собой модельный риск? Какие переменные лучше использовать при обогащении скоринговых моделей данными социальных сетей? Какие переменные в банковском скоринге относят к нерелевантным? Каковы наиболее распространенные ошибки при проектировании выборки? Как улучшить прогнозирование редких событий? Стоит ли использовать метод пошагового отбора переменных для построения модели?

Артем Груздев, ИЦ «Гевисста», директор

Приводятся извлечения из статьи. Полную версию материала читайте в журнале. Подписаться

При работе с данными социальных сетей необходимо выделить различные сегменты, максимально однородные внутри и разнородные между собой (например, с помощью кластерного анализа). Затем по каждому сегменту нужно построить отдельную модель логистической регрессии.

Вместо того чтобы решить проблемы, вызываемые мультиколлинеарностью, отбор переменных, наоборот, порождает ее.

Неоспоримое преимущество полной модели заключается в том, что можно достоверно оценить доверительные интервалы для полученных оценок параметров с помощью стандартных формул.

Выбрать	Риски	Бухучет и налоги	Кредитный департамент	Управление банком
направление:	Розница	Внутренний контроль	Операционный департамент	Юридическая работа

О компании	Контакты	Авторам		Для клиентов (Как скачать закрывающие документы)
Помощь	Реклама	Подписным агентствам