Credit scoring, statistique et apprentissage
In: EGC'06 ; https://hal.archives-ouvertes.fr/hal-01125151 ; EGC'06, Jan 2006, Lille, France, 2006
Konferenz
Zugriff:
Basel 2 regulations brought new interest in supervised classification methodologies for predicting default probability for loans. An important feature of consumer credit is that predictors are generally categorical. Logistic regression and linear discriminant analysis are the most frequently used techniques but are often unduly opposed. Vapnik's statistical learning theory explains why a prior dimension reduction (eg by means of multiple correspondence analysis) improves the robustness of the score function. Ridge regression, linear SVM, PLS regression are also valuable competitors. Predictive capability is measured by AUC or Gini's index which are related to the well known non-parametric Wilcoxon-Mann-Whitney test. Among methodological problems, reject inference is an important one, since most samples are subject to a selection bias. There are many methods, none being satisfactory. Distinguish between good and bad customers is not enough, especially for long-term loans. The question is then not only “if”, but “when” the customers default. Survival analysis provides new types of scores.biais. La prise en compte des dossiers refusés (reject inference) donne lieu cependant à une abondante littérature, sans guère de résultats convaincants.La discrimination entre défaillants et non-défaillants n’est plus le seul objectif, surtout pour des prêts à long terme : le « quand » devient aussi important que le « si ». De nombreux travaux s’orientent actuellement vers l’utilisation de modèles de survie pour données censurées dont nous donnerons un aperçu. ; Les accords dits « Bâle 2 » sur la solvabilité des banques ont remis au goût du jour les techniques de scoring en imposant aux banques de calculer des probabilités de défaut et le montant des pertes en cas de défaut. Nous présentons dans cet exposé les principales techniques utilisées et les problèmesactuels.Le terme credit scoring désigne un ensemble d’outils d’aide à la décision utilisés par les organismes financiers pour évaluer le risque de non remboursement des ...
Titel: |
Credit scoring, statistique et apprentissage
|
---|---|
Autor/in / Beteiligte Person: | Saporta, Gilbert ; CEDRIC. Méthodes statistiques de data-mining et apprentissage (CEDRIC - MSDMA) ; Centre d'études et de recherche en informatique et communications (CEDRIC) ; Ecole Nationale Supérieure d'Informatique pour l'Industrie et l'Entreprise (ENSIIE)-Conservatoire National des Arts et Métiers CNAM (CNAM) ; HESAM Université (HESAM)-HESAM Université (HESAM)-Ecole Nationale Supérieure d'Informatique pour l'Industrie et l'Entreprise (ENSIIE)-Conservatoire National des Arts et Métiers CNAM (CNAM) ; HESAM Université (HESAM)-HESAM Université (HESAM) ; Ritschard, Gilbert ; Djeraba, Chabane |
Link: | |
Zeitschrift: | EGC'06 ; https://hal.archives-ouvertes.fr/hal-01125151 ; EGC'06, Jan 2006, Lille, France, 2006 |
Veröffentlichung: | HAL CCSD, 2006 |
Medientyp: | Konferenz |
Schlagwort: |
|
Sonstiges: |
|