Regressione Lineare per l'Analisi del Rischio Creditizio
Scopri come il machine learning sta trasformando l'analisi dei cluster di portafoglio e partecipa a questo evento dedicato alle tecniche più recenti.
Programma dell'evento
Programma del workshop
-
Sessione 1: Fondamenti teorici
Principi matematici della regressione lineare semplice e multipla. Assunzioni del modello e quando utilizzarlo per problemi finanziari.
-
Sessione 2: Preparazione dei dati
Acquisizione e pulizia di dataset creditizi. Gestione di valori mancanti, normalizzazione delle variabili, creazione di feature derivate.
-
Sessione 3: Costruzione del modello
Implementazione pratica con Python e scikit-learn. Selezione delle variabili predittive, fitting del modello, interpretazione dei coefficienti.
-
Sessione 4: Valutazione e ottimizzazione
Metriche di performance, analisi dei residui, test di significatività statistica, tecniche di regolarizzazione.
-
Sessione 5: Casi applicativi
Analisi di portafogli reali, confronto con metodi alternativi, limiti e potenzialità del modello lineare.
Cosa imparerai
Applica modelli di regressione lineare ai dati creditizi reali per prevedere la probabilità di default dei debitori.
Analisi predittiva nel settore bancario
Il workshop si concentra sull'utilizzo della regressione lineare multipla per costruire modelli previsionali applicati ai portafogli creditizi. Esamina dataset contenenti informazioni su oltre 15.000 richieste di prestito, con variabili quali reddito annuale, rapporto debito-reddito, storia creditizia e importo richiesto.
Costruisci modelli che identificano le relazioni tra caratteristiche del richiedente e rischio di insolvenza.
Validazione e interpretazione dei risultati
Impara a valutare l'accuratezza dei modelli attraverso metriche quali R-quadro, errore quadratico medio e analisi dei residui. Interpreta i coefficienti di regressione per comprendere quali fattori influenzano maggiormente il rischio creditizio.
- Preparazione e pulizia di dataset finanziari complessi
- Gestione di variabili categoriche tramite encoding
- Identificazione e trattamento di valori anomali e outlier
- Validazione incrociata per prevenire overfitting
Il docente Davide Lampugnani accompagna i partecipanti attraverso casi studio provenienti da istituzioni bancarie europee, analizzando sia successi che limiti dei modelli lineari nell'analisi creditizia moderna.
Distribuzione degli argomenti
Hai domande?
Scrivimi direttamente a support@vandlorek.com per maggiori dettagli sull'evento o per ricevere il link di partecipazione.
Resta aggiornato
Visita la pagina eventi per scoprire altri appuntamenti dedicati al machine learning nell'analisi dei portafogli finanziari.