Создайте свою первую модель кредитного риска на Python | Логистическая регрессия для квантов (пош...

В этом видео мы создадим с нуля полную модель вероятности дефолта (PD) с использованием Python и логистической регрессии. Вместо погони за максимально возможной точностью, мы сосредоточимся на подходе профессионального количественного аналитика: научном подходе к разработке моделей, понимании данных и распознавании случаев, когда модель может вводить в заблуждение. Вы узнаете, как создать бинарную целевую переменную, подготовить данные для статистического моделирования, выполнить отбор переменных на основе корреляции, построить модель логистической регрессии с помощью StatsModels, интерпретировать p-значения, генерировать прогнозы и оценивать производительность с помощью метрики ROC AUC. Попутно мы обсудим, почему опытные разработчики моделей часто скептически относятся к моделям, которые кажутся «слишком хорошими», и почему надежность часто важнее, чем максимизация точности. В этом видео вы узнаете: Создание бинарной целевой переменной по умолчанию (PD) Подготовку и очистку данных для моделирования Удаление нечисловых переменных Корреляционный анализ и тепловые карты для выбора переменных Выбор независимых переменных Построение модели логистической регрессии с помощью StatsModels Интерпретацию коэффициентов модели и p-значений Устранение статистически незначимых переменных Генерацию вероятностных прогнозов Измерение производительности модели с помощью ROC AUC Распознавание признаков переобучения Мышление как у профессионального разработчика количественных моделей Этот урок является частью продолжающейся серии, в которой мы намеренно создаем несовершенные модели, анализируем их слабые стороны и постоянно улучшаем их — так же, как это делают реальные количественные команды в производственной среде. Код на GitHub: https://github.com/dimitribianco/Pyth... Если вам нравятся практические уроки по количественным финансам, кредитному риску, машинному обучению и Python, обязательно поставьте лайк, подпишитесь и включите уведомления, чтобы не пропустить будущие видео. #Python #QuantFinance #CreditRisk #MachineLearning #LogisticRegression #DataScience #ModelDevelopment #RiskManagement #Statistics #Finance #ProbabilityOfDefault #ROC #ArtificialIntelligence #FinancialModeling #FancyQuant Библиотеки: Pandas Numpy Seaborn Mayplotlib Statsmodels