مدلسازی و هوش اعتباری – Credit Intelligence & Modelling

این کتاب دنباله نسخه محبوب Credit Scoring Toolkit که به گفته برخی ها کتاب مقدس اعتبارسنجی است، میباشد. در مقدمه کتاب آورده شده است که Credit Scoring Toolkit بیشتر به بررسی کلیات مباحث میپردازد و وارد جزئیات و ریزه کاریها نمیشود در عوض در این نسخه نویسنده بیشتر به جزئیات مدلها پرداخته به طوریکه این کتاب اصلا برای افرادی که آشنایی کمی با مباحث این حوزه دارند مناسب نیست. تمرکز اصلی کتاب بر روی محاسبات و بررسی ریسک اعتباری مشتریان خرد و کسب و کارها کوچک قرار دارد.
بررسی اجمالی فصول کتاب
کتاب در 22 فصل و 497 صفحه تدوین شده است. که بعد از توضیح دادن مفاهیم پایهای مورد نیاز مانند مفهوم 5 سی اعتبار، قیمت گذاری بر اساس ریسک و … وارد بررسی راههای جمعآوری دیتاهای مورد نیاز و انواع آن می شود. پس از آن مفاهیم انواع مدلهای ریسک و اعتباری وام گیرندگان خرد و کسب و کارهای کوچک را شرح میدهد. بررسی و نحوه استفاده از پلتفرم risk101 نیز در این بخش ها قرار دارد.
در فصل 4 به بررسی تاریخچه ریسک و نحوه پیدایش اعتبارسنجی و تکامل آن از روم باستان تا عصر حاضر پرداخته است. فصل 5 ادامه فصل 4 است که درآن به اعتبارسنجیهای که توسط هوش مصنوعی در عصر حاضر صورت میگیرد پرداخته و مطرحترین موسسات جهانی در این زمینه را شرح داده است. در فصول 6و7و8 وارد بُعد آماری و ریاضی میشود و برخی مدلهای ابتدایی مانند KMV مدلهای JP MORGAN و MOODY’S و برخی متدها و توزیعهای آماری و احتمالی را شرح و بررسی میکند. در فصل 8 مباحث اقتصادی کاربردی در اعتبارسنجی مانند منحنی لورنز و ضریب جینی و… شرح داده است. در فصل 9 چگونگی تعیین قدرت مدلها و ارزشیابی دقت آنها را با شرح شاخصهای مختلف مانند PSI توضیح داده است. در فصل 10 تکنیکها و مدلهای پیشبینی روندها، روشهای خطی و غیرخطی، الگوریتم ژنتیک، الگوریتمهای هوش مصنوعی، درخت تصمیم و مباحث یادگیری ماشین و کاربردهای آنها در اعتبارسنجی را به طور کامل شرح داده است.
در فصل 11 به طور خلاصه نگاهی به مدیریت پروژه و ساختارهای مورد نیاز آن کرده است. در فصل 12 و 13 به بررسی صحت عملکرد دادهها و چگونگی استفاده از آنها به نحوی که کارایی مدل را به حداکثر برساند میپردازد. در فصل 14 و 15 جامعه مورد مطالعه یا جامعه هدف را بررسی کرده و تستهای بررسی یکپارچگی جامعه هدف را تحلیل میکند. در فصل 16 نکاتی را پیرامون انتخاب نمونه بهینه و قوانینی ماننده بازده نزولی بررسی میکند. در فصل 19 مدلهایی که قبلا مطرح شده است را بررسی میکند، از مدلهای ابتدایی گرفته مانند GOOD/BAD MODEL تا مدلهای پیشرفته فازی در این قسمت گنجانده شده است. فصول انتهای کتاب هم مربوط به مباحث Model training و Scaling &Banding و Validation میباشد.
عنوان کامل: Credit Intelligence & Modelling: Many Paths through the Forest
نویسنده: Raymond Anderson
سال انتشار: 2019
تعداد صفحات: 495 صفحه
ناشر: Rayan Risk Analytics