2019/2020
Построение скоринговых моделей с использованием методов машинного обучения
Статус:
Дисциплина общефакультетского пула
Кто читает:
Департамент программной инженерии
Где читается:
Факультет компьютерных наук
Когда читается:
1, 2 модуль
Язык:
русский
Кредиты:
2
Контактные часы:
44
Программа дисциплины
Аннотация
Факультатив описывает как современные драматические изменения на рынке информации поспособствовали изменению подходов и методов в финансовом анализе. Какие инструменты используют современные аналитики и чем эти методы отличаются от классических. Особое внимание в курсе уделено особенностям использования данных из различных стран и агрегации их в единое информационное пространство. Основной темой факультатива являются скоринговые модели, как инструмент принятия финансовых решений и машинное обучение, как инструмент создания скориновых моделей. Курс предполагает первоначальное ознакомление слушателей с элементарными основами экономики и финансов, математики и информационных технологий.
Цель освоения дисциплины
- В результате освоения учебной дисциплины студенты и слушатели должны овладеть следующими образовательными результатами: способность использовать современные методы и соответствующие информационные технологии для постановки и решения задач в области финтеха, способность выводить на рынок услуги, основанные на обработке данных, способность оценивать эффективность финансовых решений на основе современных моделей и компьютерных программ, знать виду современных скоринговых систем, методы их построения и источники данных, способность применять методы интеллектуального анализа данных и машинного обучения к решению прикладных задач, связанных с оказанием финансовых услуг, умение проектировать модели бизнеса, основанные на интеллектуальных IT-сервисах
Планируемые результаты обучения
- Знать основные типы скорингов рейтингов и т.д. общие черты и различия между ними.
- Уметь формулировать, правильно трактовать определения понятий, терминов и категорий, используемых при разработке скоринговых моделей.
- Знать какие проблемы решают скоринговые модели.
- Уметь оперативно распознавать проблемы и находить скоринговую модель, нужную для ее решения.
- Демонстрировать способность решения проектно-экономических задач в профессиональной деятельности.
- Знать различия между индексами должной осмотрительности, финансового риса и комплексным кредитным скорингом.
- Уметь формировать скоринговую линейку для решения конкретной задачи субъекта экономической деятельности.
- Знать основные инструменты машинного обучения
- Уметь решать задачи построения моделей машинного обучения с использованием современного программного обеспечения.
- Знать основные подходы к построению скорингов на основе современных финансовых концепций, таких как методы остаточного дохода, исковая нагрузка, индексы платежной дисциплины и т.д.
- Уметь рассчитывать поправки к скоринговым моделям в зависимости от целей их построения, рассчитывать кредитные лимиты, корректировать вероятности наступления различных событий.
- Владеть методами анализа Big Date, использует для решения профессиональных задач на микро-, мезо- и макроуровнях, в том числе на уровне финансового рынка.
- Знать основные методы организации скоринговой работы в крупной компании или маркетплейсе.
- Уметь организовывать комплексный скоринг контрагентов, включая мониторинг дилерской сети и потенциальных клиентов, разрабатывать рекомендательные системы и вычислять функциональную стоимость сложных активов.
- Демонстрировать освоение инструментов Финтеха.
Содержание учебной дисциплины
- Основные задачи финансового анализа современности.
- Большие данные, data mining, data science
- Основные типы и источники данных для финансового анализа
- Зависимости
- Методы обработки данных. Моделирование
- Получение оценок и тестирование результатов
- Обзор действующих приложений
- Приложения legal tech, prop tech, reg tech, ag tech и т.д.
Список литературы
Рекомендуемая основная литература
- Brooks,Chris. (2019). Introductory Econometrics for Finance. Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsrep&AN=edsrep.b.cup.cbooks.9781108422536
- Машинное обучение : наука и искусство построения алгоритмов, которые извлекают знания из данных, Флах, П., 2015
Рекомендуемая дополнительная литература
- Gareth James, Daniela Witten, Trevor Hastie, Rob Tibshirani, & Maintainer Trevor Hastie. (2013). Type Package Title Data for An Introduction to Statistical Learning with Applications in R Version 1.0. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.28D80286