|
金融機関の信用評価実務における社内外データ・スコアリングモデルの利活用 ～事業性資金融資・与信に対するデータや口座入出金情報利活用の勘所と留意点～ |
| 受講区分 | 会場 |
|---|---|
| 開催日時 | 2020-02-07（金） 9:30～12:30 |
| 講師 |
株式会社りそな銀行 リスク統括部 金融テクノロジーグループ グループリーダー チーフ・データアナリスト 荒川 研一 氏 1991年4月あさひ銀行（現りそな銀行）入社 営業店、市場営業部を経て97年から経営管理部にて市場リスク管理業務に従事 2006年から現職 金融商品のプライシング、リスク計測モデルの構築、各種審査モデル構築業務を担当 一般社団法人CRD協会第三者モデル評価委員 日本金融・証券計量・工学学会理事 19年2月日本銀行金融高度化センター「AIを活用した金融の高度化に関するワークショップ（第3回「信用評価」）」等、講演多数 |
| 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 | 事業性資金融資に必要な信用評価は従来から財務計数を用いた計量分析及び金融機関に蓄積された知見を活かした定性分析を行い融資の可否判断を行ってきている。財務情報を用いたスコアリングモデル等データを活用した信用評価は実用化されているものの、デジタル化が進展している今日においては取得できるデータも拡大しており、データの利活用による信用評価の精度向上及び効率化が期待される。しかしながら事業性資金融資の審査においては審査担当者の経験・知見が重要であり容易には代替できるものではない。そこで、現状のデータ分析技術の現状を踏まえ、実例を交えつつ信用評価へのデータ活用方法、および今後のデータ利活用の方向性を実務者の視点から解説する。 |
| 詳細 |
１．データサイエンスの現状 （１）金融機関を取り巻く環境変化 （２）お客様・企業の行動変化 （３）情報処理技術の革新 （４）金融機関におけるデータサイエンティストのあり方 ２．伝統的な融資審査および統計的スコアリングモデル （１）伝統的な定性分析・定量分析 （２）統計的スコアリングモデル （３）それぞれの特徴及び審査における活用事例 ３．データを用いた信用評価の方向性 （１）利活用可能データ及びデータ収集 （２）機械学習の特徴及び信用評価への適用の利点及び限界 （３）定性評価への適用の考え方及びAIの活用 ４．口座入出金情報を用いたデフォルト判別事例紹介 （１）口座入出金情報活用の背景及び狙い （２）機械学習手法を用いたデフォルト判別モデル （３）実務への活用及び課題 （機械学習における説明可能性・公平性・安全性など金融適用の問題点） ５．データ利活用のこれから （１）企業間ネットワーク （２）粉飾決算・AML・不正取引検知 （３）お客様行動分析 （４）人の知見とデータサイエンスの融合および体制整備 ６．質疑応答 ※ 録音、ビデオ・写真撮影、PCのご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 |