|
機械学習によるローン審査モデル ～統計的手法によるモデル構築と今後の展望～ |
| 受講区分 | 会場 |
|---|---|
| 開催日時 | 2018-02-23（金） 9:30～12:30 |
| 講師 |
日本リスク・データ・バンク株式会社 取締役常務執行役員 尾藤 剛 氏
1997年東京大学法学部卒、あさひ銀行を経て、2003年日本リスク・データ・バンク入社、06年より現職 金融機関のリスク管理に関するデータベースの企画・運営、スコアリングモデルの開発、国内企業におけるデフォルト発生動向の調査等に従事 公益社団法人日本証券アナリスト協会検定会員 |
| 開催地 | カンファレンスルーム（株式会社セミナーインフォ内） |
| 概要 | 昨今注目を集める「機械学習革命」で生まれた新たな分析手法には、統計的手法が主流の従来のローン審査モデルを一変させる期待がある反面、既存の手法との違い、新たな手法のメリット・デメリットはいまだ十分に議論されていないというのが、多くの金融機関の現状ではないでしょうか？ 本セミナーでは、金融機関のローン審査モデルや信用格付モデルを念頭に、前半では、既存の統計的手法によるスコアリングモデルの具体的な構築手順と、モデルのパフォーマンス向上のためのポイントを説明します。また後半では、新たな機械学習技術の一つである、多層ニューラルネットワークを用いたモデルについて、概要と構築結果を紹介し、最後に、ローン審査における機械学習技術の将来像を展望します。 ローン審査や信用格付のスコアリングモデルについて、具体的な構築手順を知りたい方、新たな機械学習技術の概要にご関心のある方などを前提に、なるべく数式を使わず平易な説明を心がけます。 |
| 詳細 |
１．はじめに （１）人工知能（AI）、機械学習の概念整理 ～何をもって機械学習とするのか？人工知能（AI）、機械学習などの言葉の整理 （２）審査評点から統計モデルへ ～ローン審査に統計モデルが使われる背景 審査評点からスコアリングモデルに至る過程 ２．統計的手法によるモデル構築の実践 （１）ロジスティック回帰モデルとは？ ～現在のローン審査モデルの主流「ロジスティック回帰モデル」の概要 （２）モデルの構築手順 (a)統計モデルの構築に必要なデータの収集 (b)説明変数候補の選択 (c)欠損値の補完と異常値処理 (d)上下限値処理、離散化処理、変数変換 (e)相関整理と単一指標分析による説明変数の絞り込み (f)最尤法による係数推計 (g)最終モデルの選定に至るチューニング （３）モデルの評価手法 (a)尤度によるモデルの評価 (b)序列性能をあらわすAR（Accuracy Ratio） （４）汎化性能の確保 ～オーバーフィット（過学習）を回避するための具体的手法 アウトサンプルテストと交差検定 ３．多層ニューラルネットワークによるモデル構築 （１）ニューラルネットワークとディープラーニング (a)ロジスティック回帰モデルからニューラルネットワークへ (b)ニューラルネットワークからディープラーニングへ DNN、RNN、CNN (c)バッチ処理と確率的勾配降下法 （２）統計的手法とのパフォーマンス比較 ～決算書情報を用いたディープラーニングによるモデル構築／統計モデルとの性能比較 ４．ローン審査における「機械学習革命」の意義 ～カギを握る「非構造化データ」／統計モデルの更なる可能性 ５．質疑応答 ※ 録音、ビデオ・写真撮影、PCの使用等はご遠慮ください |
| お問合わせ |
株式会社セミナーインフォ セミナー運営事務局 TEL ： 03-3239-6544 FAX ： 03-3239-6545 E-mail ： customer@seminar-info.jp |