Ưu đãi trong tuần: Nhập mã UD50 giảm 50k cho đơn từ 300k!
Trang chủ
Đăng nhập
Xem tất cả kết quả
Menu
Đăng nhập Đăng ký miễn phí

Developing Credit Risk Scorecard using Python

Phát triển Thẻ điểm Tín dụng (Credit Risk Scorecard) bằng Python

Phát triển Thẻ điểm Tín dụng (Credit Risk Scorecard) bằng Python

Xây dựng Mô hình Thẻ điểm Tín dụng: Hướng dẫn từng bước để thiết lập và đánh giá mô hình rủi ro bằng Python

4.6
(14 đánh giá)
71 học viên
Giảng viên
Subhashish Ray
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 399.000đ -87%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
6.0 giờ video
32 bài giảng
2 bài quiz
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 10/08/2026
#Data Science #Machine Learning #Pandas #Python

Bạn sẽ học được gì

Nắm vững nền tảng về mô hình hóa rủi ro tín dụng và phát triển thẻ điểm
Sử dụng các thư viện Python nâng cao (như Pandas, Scikit-learn, NumPy và Matplotlib) để xử lý dữ liệu, xây dựng mô hình và trực quan hóa
Xây dựng thẻ điểm tín dụng bằng các kỹ thuật thực tiễn, áp dụng trong thực tế
Học cách chuẩn bị dữ liệu một cách chuyên sâu
Nắm được quy trình phát triển, đánh giá và hiệu chỉnh mô hình từ đầu, từng bước một
Triển khai các phương pháp mô hình hóa thiết yếu như hồi quy logistic để dự đoán xác suất vỡ nợ
Tiền xử lý, làm sạch và phân tích dữ liệu tín dụng để tạo ra các mô hình dự báo mạnh mẽ
Đánh giá và kiểm tra hiệu suất mô hình bằng các chỉ số tiêu chuẩn ngành

Yêu cầu

Có nhiệt huyết và ham học hỏi kỹ năng mới
Máy tính có kết nối Internet
Máy tính đã cài Python (tốt nhất có các thư viện như Pandas, NumPy và Scikit-learn)
Hiểu biết cơ bản về khái niệm rủi ro tín dụng (ví dụ: Xác suất vỡ nợ, Thẻ điểm Tín dụng)
Quen thuộc với lập trình Python (kiến thức cơ bản về cú pháp, biến và cấu trúc dữ liệu)
Máy tính đã cài Jupyter Notebook

Đối tượng phù hợp

Sinh viên
Chuyên gia thống kê
Chuyên viên phân tích rủi ro
Nhà mô hình hóa rủi ro có kinh nghiệm
Dành cho những ai muốn bắt đầu hoặc chuyển hướng sự nghiệp sang mô hình hóa rủi ro
Bất kỳ ai quan tâm đến mô hình hóa rủi ro tín dụng và muốn có trải nghiệm thực hành với Python
Chuyên viên tài chính muốn nâng cao kiến thức về đánh giá rủi ro tín dụng và kỹ thuật mô hình hóa
Những người mới vào ngành rủi ro tín dụng muốn phát triển kỹ năng về mô hình hóa và xây dựng thẻ điểm

Nội dung khóa học

4 phần • 32 bài giảng
1 Giới thiệu
1 Tham số Thiết kế Mô hình
2 Các trường hợp loại trừ
3 Biến trong Bộ dữ liệu
4 Các yếu tố ảnh hưởng đến Tham số Thiết kế Mô hình
5 Hiểu Bối cảnh Kinh doanh và Phát biểu Bài toán
6 Các trường dữ liệu mẫu
7 Phân tích Vintage
8 Phân tích Tỷ lệ Luân chuyển (Roll Rate Analysis)
1 Thuật toán xây dựng Thẻ điểm
2 Khám phá và Tiền xử lý Dữ liệu
3 Tầm quan trọng của Giá trị Thông tin (Information Value)
4 Hiểu về Phân chia Mịn và Phân chia Thô
5 Ví dụ về Phân chia Mịn và Phân chia Thô
6 Khoảng Giá trị Thông tin
7 Phân chia Mịn
8 Diễn giải Kết quả Phân chia Mịn
9 Phân chia Thô
10 Phân chia Thô các biến trong Jupyter Notebook
11 Tạo biến WOE (Weight of Evidence)
12 Kiểm tra Đa cộng tuyến bằng biến đã chuyển đổi WOE (Phân tích VIF)
13 Phát triển Mô hình Hồi quy Logistic bằng biến WOE
14 Cặp Đồng thuận, Bất đồng thuận và Hòa
15 Cặp Đồng thuận, Bất đồng thuận và Hòa – Diễn giải Đầu ra Mô hình
16 Các chỉ số Phân biệt Mô hình: Thống kê C (AUC) và Somer’s D
17 Sắp xếp Thứ tự
18 Thống kê Kolmogorov Smirnov (KS) và Hệ số Gini
19 Giải thích về Độ chính xác và Độ chuẩn xác bằng Ma trận Nhầm lẫn
20 Kiểm định Hosmer Lemeshow (Mức độ Phù hợp)
21 Kiểm tra Cụm
1 Các phương pháp Đánh giá Mô hình
2 Điểm Brier

Giới thiệu khóa học

This intensive course is designed to equip participants with practical skills in building and validating credit risk models using Python, focusing on the development and implementation of scorecards. This course combines theory with hand-on applications for developing, validating and calibrating the credit risk scorecards.

In this course you will learn fundamental credit risk concepts, step-by-step methodologies for developing behavioral scorecards using python, Implementing statistical techniques essential for credit scoring which includes logistic regression, Gini Coefficient, Receiver Operating Characteristics (ROC) analysis, Rank Ordering, Weight of Evidence (WOE), Fine and Coarse Classing.

In this course you will also acquire skills in handling and analyzing data, dealing with missing data, outliers, and variable transformations to prepare data for modeling. You will also understand various techniques which are applied for internal validation of scorecards, including back-testing, benchmarking and calibration.

Throughout the course, you will learn to leverage powerful Python libraries and frameworks, such as Pandas, Scikit-learn, NumPy and Matplotlib, for credit risk modeling. These tools will help you ensure robustness, accuracy, and efficiency in developing and validating credit risk scorecards.

This course is perfect for credit analysts, risk managers, financial controllers and all finance professionals involved in risk assessment who wish to enhance their modeling skills using python and develop a through understanding of scorecard development and validation.

 

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Data Science
Hiển thị tất cả khoá học Machine Learning
Hiển thị tất cả khoá học Pandas
Hiển thị tất cả khoá học Python
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊