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

IFRS 9 PIT & Lifetime PD Modelling (SAS, English Course)

Mô hình hóa PD PIT & PD trọn đời theo IFRS 9 (SAS, Khóa học tiếng Anh)

Mô hình hóa PD PIT & PD trọn đời theo IFRS 9 (SAS, Khóa học tiếng Anh)

Khóa học chuyên sâu về mô hình hóa rủi ro tín dụng IFRS 9 nâng cao bằng tiếng Anh — với SAS, dữ liệu thực tế và hiểu biết ngành ngân hàng

4.2
(43 đánh giá)
241 học viên
Giảng viên
Taipa Gibon Huchu
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
15.5 giờ video
182 bài giảng
11 bài quiz
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 31/05/2026
#Credit Risk #Finance #Risk Management #Sas

Bạn sẽ học được gì

Xây dựng và hiệu chỉnh mô hình Xác suất vỡ nợ tại thời điểm hiện tại (PIT PD) bằng SAS để khớp với dữ liệu vỡ nợ thực tế quan sát được.
Áp dụng các điều chỉnh kinh tế vĩ mô có tính dự báo bằng cách tích hợp GDP, tỷ lệ thất nghiệp, lãi suất và các yếu tố khác vào dự báo PD.
Triển khai các phương pháp tiếp cận đa kịch bản (cơ sở, tăng trưởng, suy thoái) với trọng số xác suất để tạo ra ước tính Tổn thất tín dụng dự kiến (ECL) IFRS 9 mạnh mẽ.
Phát triển các khung và macro SAS tự động cho mô hình hóa PIT PD, hiệu chỉnh, tạo kịch bản và báo cáo sẵn sàng kiểm toán.
Thiết kế mô hình PD trọn đời sử dụng ma trận chuyển đổi và phân tích sống sót, đồng thời liên kết chúng với các bộ tính toán ECL.
Đảm bảo tuân thủ quy định theo IFRS 9 và hướng dẫn Basel, bao gồm phân loại (SICR), tài liệu hóa và các thông lệ tốt nhất về thẩm định mô hình.

Yêu cầu

Hiểu biết cơ bản về rủi ro tín dụng hoặc tài chính là hữu ích, nhưng không bắt buộc.
Quen thuộc với thống kê (xác suất, hồi quy, phân phối) sẽ giúp bạn dễ dàng theo dõi các phần mô hình hóa.
Kinh nghiệm với SAS được khuyến nghị, nhưng toàn bộ mã nguồn sẽ được giải thích từng bước một.
Học viên nên có quyền truy cập vào SAS Studio (bản dùng thử miễn phí hoặc phiên bản học thuật) hoặc SAS IDE khác.
Quan trọng nhất: sẵn sàng học hỏi, thực hành và áp dụng các khái niệm vào mô hình hóa rủi ro tín dụng thực tế.

Đối tượng phù hợp

Chuyên viên phân tích rủi ro tín dụng và chuyên gia mô hình hóa muốn xây dựng, hiệu chỉnh và thẩm định các mô hình Xác suất vỡ nợ (PD) và Tổn thất tín dụng dự kiến (ECL) IFRS 9.
Chuyên gia khoa học dữ liệu và thống kê tìm kiếm ứng dụng thực tế của các kỹ thuật SAS, Python và mô hình thống kê trong quản lý rủi ro tài chính.
Chuyên viên tài chính và ngân hàng làm việc trong mảng rủi ro tín dụng, danh mục cho vay hoặc báo cáo quy định cần hiểu các yêu cầu của IFRS 9.
Sinh viên ngành tính toán và ứng viên FRM chuẩn bị cho các kỳ thi chuyên môn muốn có các ví dụ và tình huống nghiên cứu mô hình hóa thực tế.
Người mới bắt đầu trong mô hình hóa rủi ro tín dụng, có thể chưa có kinh nghiệm nhưng có động lực học từng bước, với hướng dẫn mã nguồn và các ví dụ thực hành.

Nội dung khóa học

13 phần • 182 bài giảng
1 Chào mừng đến với Mô hình hóa Rủi ro Tín dụng Chuyên nghiệp
2 Giới thiệu về IFRS 9 và PIT PD
3 Mô hình hóa PIT PD IFRS 9
4 Tổng quan về Ba Trụ cột IFRS 9
5 Quy trình mô hình hóa
6 Nhập dữ liệu vào SAS
7 Tổng quan về chất lượng dữ liệu
8 Phát triển mô hình PIT PD IFRS 9 và ECL
9 Chia tách dữ liệu
10 Kỹ thuật tạo đặc trưng
11 Hồi quy Logistic
12 Thống kê KS và AUC
13 Hiệu chỉnh mô hình
14 Tính toán ECL
15 Cập nhật Cửa sổ Quan sát và Hiệu suất DEMO SAS
16 Nạp bộ dữ liệu cập nhật DEMO
17 Kết luận
1 Giới thiệu về chuẩn bị dữ liệu và kiểm tra dữ liệu
2 Chuẩn bị dữ liệu
3 Cửa sổ Hiệu suất và Quan sát
4 Ví dụ về Cửa sổ Hiệu suất
5 Phân tích Vintage
6 Biến Bán buôn
7 Biến Bán lẻ
8 Over-sampling
9 Chất lượng dữ liệu
10 Quy trình Chất lượng Dữ liệu trong SAS
11 Phương pháp thay thế Trung bình và Trung vị
12 Dữ liệu khuyết
13 Xử lý giá trị khuyết
14 Xử lý dữ liệu khuyết
15 Chỉ số nhị phân
16 Làm việc với giá trị khuyết
17 Cụm (Cluster)
18 Dựa trên quy tắc
19 Sử dụng Proc Logistic để xử lý dữ liệu khuyết
20 Hồi quy
21 Hot Deck
22 Tóm tắt Chất lượng Dữ liệu
23 Kết luận Mô-đun
1 Lựa chọn biến và Phát triển mô hình
2 Phân tích dữ liệu thăm dò
3 Phân tích dữ liệu thăm dò
4 Đa cộng tuyến
5 PROC VARCLUS
6 Kỹ thuật tạo đặc trưng
7 DEMO PROC VARCLUS
8 Mức độ liên quan của biến
9 Phân lớp thô và Phân lớp mịn
10 DEMO Phân lớp thô và mịn
11 Thống kê Spearman và Hoeffding D
12 DEMO Spearman và Hoeffding D
13 Lựa chọn biến
14 Chọn lọc Stepwise, Backward, Forward
15 Tương tác biến
16 Tương tác
17 Tỷ số chênh lệch (Odds Ratio)
18 Phát triển mô hình
19 PROC LOGISTIC
20 Hồi quy Logistic
21 DEMO Hồi quy Logistic
22 Biến phân loại
23 DEMO Nhóm biến phân loại
24 Phương pháp Greenacre
25 DEMO Greenacre
26 Kiểm định tính tuyến tính logit
27 Biến trễ
28 Kết luận Mô-đun
1 Giới thiệu Mô-đun
2 Tổng quan về Thẩm định mô hình
3 DEMO Nạp và chia tách bộ dữ liệu
4 DEMO Tập Huấn luyện, Chấm điểm và Thẩm định
5 AUC và ROC
6 DEMO ROC và AUC
7 Hệ số Gini và Biểu đồ Lift
8 DEMO KS và Đường cong Gains & Lift
9 Hosmer và Lemeshow
10 Điểm Barrier
11 Xếp hạng theo Decile
12 DEMO Phương pháp Brier, Hosmer và Lemeshow
13 AIC, BIC và 2 LL
14 Thống kê D và tỷ lệ đồng thuận (Concordance)
15 Các thống kê liên kết và độ phù hợp
16 Đánh giá và chạy lại mô hình
17 PSI
18 PSI và Khung giám sát
19 Tóm tắt Hiệu suất
20 Thẩm định chéo
21 Tóm tắt và Kết luận
1 Hiệu chỉnh PIT PD
2 Dự báo và Phân tích kịch bản
3 Lớp phủ phân loại (Staging)
4 Hiệu chỉnh PIT PD và Điều chỉnh Hướng tới Tương lai
5 Triển khai trong SAS - Hiệu chỉnh PIT PD và Điều chỉnh Hướng tới Tương lai
6 Trọng số cho kịch bản
7 Hiệu chỉnh PIT PD (12 tháng) trong SAS
8 Hiệu chỉnh tổng thể (Calibration-in-the-Large) và Phương pháp Platt Scaling
9 DEMO Hiệu chỉnh tổng thể và Platt Scaling
10 Dự báo vĩ mô và Hiệu chỉnh kịch bản
11 Lớp phủ vĩ mô trong hiệu chỉnh PD
12 Kết luận Phần
1 Phân loại IFRS 9
2 Phân loại IFRS 9 và lớp phủ Basel
3 Lớp phủ PD theo Mô hình Merton
4 Khung Đánh giá và Thẩm định Phân loại
5 DEMO Đánh giá 1 PIT PD
6 DEMO Đánh giá 2 Decile
7 Đánh giá 3, 4 Bảng Lift Gains
8 Đánh giá 5 PSI
9 Kết luận
1 Giới thiệu
2 Mô hình sống sót (Survival Model)
3 Mô hình Cox Proportional Hazards
4 Kiểm duyệt (Censoring)
5 Hàm sống sót
6 Hồi quy Cox trong SAS
7 Mô hình hóa Cohort Vintage
8 Phân tích Cohort
9 Ma trận chuyển đổi
10 Ma trận chuyển đổi trong PROC IML
11 ECL sử dụng PD trọn đời
12 Lợi ích của PD trọn đời
13 Chuyển đổi giai đoạn giữa PIT và PD trọn đời
14 DEMO Suy luận PD từ Mô hình Cox Survival
15 DEMO Phân tích Cohort
16 DEMO Ma trận chuyển đổi
17 Kết luận Phần
1 Tổn thất khi vỡ nợ (LGD) – Mảnh ghép còn thiếu trong Rủi ro Tín dụng
2 Chuẩn bị dữ liệu cho Mô hình hóa LGD
3 Mô hình LGD Hồi quy tuyến tính
4 Hồi quy Beta và Fractional Response
5 Hồi quy Beta cho Tổn thất khi vỡ nợ với phép nội suy (Inflated Beta Regression)
6 Mô hình LGD hiệu ứng hỗn hợp (Mixed Effects)
7 Thẩm định và So sánh mô hình
8 Tích hợp LGD theo IFRS 9 và Basel
9 Nghiên cứu tình huống Mô hình hóa LGD Từ đầu đến cuối
10 Tổng kết Mô hình hóa LGD và Chuyển tiếp sang ECL
11 DEMO OLS và Biến đổi Logit
12 DEMO Hồi quy Beta bằng PROC glimmix
13 DEMO Hồi quy Phân vị (Quantile Regression)
14 DEMO Cây quyết định LGD bằng PROC HPSPLIT
15 DEMO Rừng ngẫu nhiên LGD
16 DEMO Fractional logit LGD bằng PROC nlmixed
17 DEMO Beta Mixed LGD bằng PROC glimmix
18 DEMO Hồi quy Beta với số 0 và 1 nội suy (Zero One Inflated Beta Regression) cho LGD
1 Mô hình hóa Dư nợ tại thời điểm vỡ nợ
2 Hiểu về Hệ số chuyển đổi tín dụng (CCF)
3 Chuẩn bị dữ liệu cho Mô hình hóa EAD
4 Mô hình hồi quy EAD tuyến tính và Log-tuyến tính
5 Hồi quy Tobit và Truncated cho EAD
6 Hồi quy Beta và Fractional Response cho EAD
7 Mô hình hóa Hệ số chuyển đổi tín dụng (CCF): Các phương pháp Hồi quy và Logistic
8 Thẩm định và Kiểm định ngược (Back Testing) các mô hình EAD
9 Tích hợp EAD theo IFRS 9 và Basel
10 Nghiên cứu tình huống Mô hình hóa EAD Từ đầu đến cuối
11 Tổng kết EAD và Chuyển tiếp sang Tổn thất tín dụng dự kiến (ECL)
1 Giới thiệu
2 Báo cáo ECL theo quy định
3 ECL và Báo cáo Lợi nhuận và Lỗ
4 Trụ cột Phân loại
5 Tổn thất tín dụng dự kiến 12 tháng (ECL)
6 Tổn thất tín dụng dự kiến trọn đời (ECL) Phần 1
7 Tổng hợp danh mục nâng cao và Hiểu biết rủi ro
8 Tổn thất tín dụng dự kiến trọn đời (ECL) Phần 2
9 Báo cáo và Công bố thông tin theo quy định IFRS 9
10 Phân tích độ nhạy và Kết luận Phần
11 DEMO Tính toán ECL
12 Xin chúc mừng
1 Giới thiệu
2 Thẩm định và Giám sát mô hình
3 Triển khai và Tự động hóa mô hình
4 Thiết kế kiến trúc và Pipeline quy trình IFRS-9 tự động
5 Quản trị, kiểm soát và vận hành quy trình IFRS-9 tự động
6 Chất lượng dữ liệu và hiệu suất mô hình
7 Cấu hình cơ chế cảnh báo
8 Pipeline giám sát và tự động hóa đầu cuối
9 Tổng kết và tổng quan học phần
1 Giới thiệu
2 Demo: Mô hình hóa PD rủi ro tín dụng IFRS9 đầu cuối (thưởng thêm)
3 Python - Báo cáo cuối tháng IFRS 9
4 Tổng kết và kết luận học phần
5 Kết thúc và chúc mừng

Giới thiệu khóa học

Important Notice

This is an advanced, expert-level English course .
It assumes prior knowledge of credit risk and programming (SAS/Python/R).

If you are a beginner, please take a foundation-level IFRS 9 course before this one.

AI Voice Disclaimer: The lectures are narrated using an AI-generated voice for clarity and consistency.

Who This Course Is For (Intended Learners)

This course is for you if:

  • You are a Credit Risk Analyst / Data Scientist working in banking or financial services.

  • You are preparing for IFRS 9, Basel 3.1, or regulatory model validation roles.

  • You already know logistic regression, survival analysis, or credit risk basics, and want to apply them in SAS/Python.

Not for beginners in finance or programming.

Requirements / Prerequisites

  • Strong background in statistics / econometrics.

  • Familiarity with credit risk concepts (PD, LGD, EAD, staging).

  • Working knowledge of SAS, Python, or R.

  • Basic understanding of financial regulations (IFRS 9, Basel II/III) is recommended.

What You’ll Learn (Learning Objectives)

By the end of this expert-level course in English, you will:

  • Build 12-month Point-in-Time (PIT) PD models with SAS & Python.

  • Develop Lifetime PD models using Cox Proportional Hazard and survival analysis.

  • Implement IFRS 9 staging rules (Stage 1, 2, 3).

  • Integrate macroeconomic variables into scenario-based PD forecasting.

  • Calculate Expected Credit Loss (ECL) under baseline, optimistic, and adverse scenarios.

  • Validate, monitor, and report IFRS 9 models to meet regulatory standards.

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Credit Risk
Hiển thị tất cả khoá học Finance
Hiển thị tất cả khoá học Risk Management
Hiển thị tất cả khoá học Sas
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊