
让数据准备颠覆信贷效率

建立现代信用风险模型,验证和评估绩效
-Feb-08-2023-02-09-18-5492-AM.png?width=1000&name=MicrosoftTeams-image%20(1)-Feb-08-2023-02-09-18-5492-AM.png)
在目前经济大形势不确定的情况下,银行贷款需要格外谨慎。因为大环境萧条,拖欠贷款和违约率往往会增加。目前的重中之重是保护您的投资组合免受此类经济冲击。这就需要我们去寻求一种全数据驱动的信用风险评估方法。 这就要求您的信用决策模顺势而为,不断地进行优化微调。Altair 携手 Deep Credit Risk为您带来“银行信贷风险与防范对策”线上研讨会,此次研讨会由三部分组成,着重关注收入和支出冲击。
准确的数据可以为您提供更高质量、更精准的分析结果。在此议程中,我们将带您了解银行信贷风险的挑战。了解流动性、股权和许多其他关键银行特征的作用。您将学习进行特征工程和有效选择,例如收入和支出冲击对贷款偿还的影响。
您将更加高效地对信用信息进行预处理、导入信息和合并来自不同来源的数据。未来,我们的工具将助力您更运筹帷幄建立信用模型,颠覆信贷效率。
使用精准的数据,在本次网络研讨会中您将:
通过此议程,您将能够高效地验证信用风险模型。 我们会为您对比解释各种验证策略。您将学习如何比较模型的输出:稳定性、辨别力和校准。您将学习可视化和高效地沟通模型性能。
悉尼科技大学金融学教授
银行、信贷和流动性风险、住房信贷和机器学习专家。他的工作成果对金融机构的风险管理实践产生了深远的影响。目前是《风险模型验证杂志》的编辑委员会成员。Harald是一位敬业的教育家,深受学生敬爱,他的博士生也做出了具有影响力的行业研究成果。Harald的信用风险分析著作在世界各地的数据分析课程中作为教科书投入使用。
Altair解决方案专家/数据科学家
悉尼大学航空工程系智能结构形状控制博士。毕业于墨尔本大学机械工程与科学(数学/物理)。Clinton博士曾在澳大利亚头部银行担任量化分析师,致力于从事科学计算/编程工作,包括为电子研究开发基于网络的软件修改在超级计算机上运行的程序。他曾为银行重新编码了运营风险模型,使运行效率从一周缩短至几个小时。