Apprentissage automatique dans la modélisation du risque de crédit

Cette séance de cours explore les défis, les leçons et les possibilités de l'utilisation de l'apprentissage automatique dans la modélisation du risque de crédit. Il compare les modèles d'apprentissage automatique avec les modèles statistiques traditionnels, soulignant les avantages de saisir des relations non linéaires. La séance de cours se penche sur la performance de différents algorithmes d'apprentissage automatique, tels que les réseaux neuronaux artificiels, la forêt aléatoire et le développement. Il traite de la façon dont les modèles d'apprentissage automatique peuvent fournir de meilleurs aperçus, mais peut aussi présenter des défis en termes d'interprétation et de sensibilité aux valeurs aberrantes. L'analyse montre que l'expansion de l'ensemble de données avec des variables comportementales de prêt améliore significativement la puissance prédictive de toutes les méthodes de modélisation.