eduzhai > Applied Sciences > Computer Science >

Réintégration des refusés en Credit Scoring

  • KanKan
  • (0) Download
  • 20210425
  • Save

... pages left unread,continue reading

Document pages: 6 pages

Abstract: The granting process of all credit institutions rejects applicants who seemrisky regarding the repayment of their debt. A credit score is calculated andassociated with a cut-off value beneath which an applicant is rejected.Developing a new score implies having a learning dataset in which the responsevariable good bad borrower is known, so that rejects are de facto excluded fromthe learning process. We first introduce the context and some useful notations.Then we formalize if this particular sampling has consequences on the score srelevance. Finally, we elaborate on methods that use not-financed clients characteristics and conclude that none of these methods are satisfactory inpractice using data from Crédit Agricole Consumer Finance.-----Un système d octroi de crédit peut refuser des demandes de prêtjugées trop risquées. Au sein de ce système, le score de crédit fournitune valeur mesurant un risque de défaut, valeur qui est comparée à unseuil d acceptabilité. Ce score est construit exclusivement sur des donnéesde clients financés, contenant en particulier l information `bon ou mauvaispayeur , alors qu il est par la suite appliqué à l ensemble des demandes.Un tel score est-il statistiquement pertinent ? Dans cette note, nousprécisons et formalisons cette question et étudions l effet de l absencedes non-financés sur les scores élaborés. Nous présentons ensuite desméthodes pour réintégrer les non-financés et concluons sur leurinefficacité en pratique, à partir de données issues de Crédit AgricoleConsumer Finance.

Please select stars to rate!

         

0 comments Sign in to leave a comment.

    Data loading, please wait...
×