שיעור 1תכנון משתני יעד: הגדרות פשיטת רגל, ספי איחור, אופקי זמןלמד כיצד להגדיר משתני יעד למודלי סיכון אשראי, כולל אירועי פשיטת רגל, ספי איחור ואופקי זמן, והבן כיצד בחירות עיצוב אלה משפיעות על ביצועי מודל, כיול ורלוונטיות עסקית.
Defining default and charge-off eventsChoosing delinquency and DPD thresholdsObservation and prediction window designHandling cures, roll rates, and recoveriesAligning targets with business objectivesשיעור 2מאפייני לקוחות לאיסוף: היסטוריית תשלומים, ימי איחור, נתוני חשבונית, תדירות הזמנה, גודל חשבונית ממוצע, מגזר, גודל, מיקוםזהה מאפייני לקוחות מרכזיים לציון אשראי, כולל היסטוריית תשלומים, ימי איחור, התנהגות ברמת חשבונית, תדירות הזמנות, גודל חשבונית ממוצע, מגזר, גודל ומיקום, ולמד כיצד להנדס משתנים יציבים וחוזים מנתונים גולמיים.
Payment history and delinquency metricsDays past due and aging bucketsInvoice-level and transaction featuresOrder frequency and seasonality signalsSector, size, and geographic attributesשיעור 3ניתנות לפרשנות והסבריות מודל (SHAP, חשיבות מאפיינים, מגבלות מונוטוניות)למד טכניקות ניתנות לפרשנות למודלי סיכון אשראי, כולל חשיבות מאפיינים גלובלית ומקומית, ערכי SHAP, תלות חלקית ומגבלות מונוטוניות, לתמיכה בביקורת רגולטורית, הסברים ללקוחות ואמון פנימי.
Global versus local explanationsFeature importance and permutation testsSHAP values for local explanationsPartial dependence and ICE plotsMonotonic constraints in credit modelsשיעור 4מאפיינים מועשרים: נתונים חיצוניים (לשכת אשראי, דיונים ציבוריים), מדדים מקרו, התנהגות ספקי סחרחקור כיצד להעשיר רשומות פנימיות עם נתוני לשכה, דיונים ציבוריים, מדדים מקרו והתנהגות ספקי סחר כדי לבנות מאפייני אשראי חזקים שמשפרים דיוק מודל, יציבות ואזהרות מוקדמות על פני מחזורים.
Using credit bureau scores and tradelinesIncorporating public filings and legal eventsMacroeconomic indicators for credit cyclesTrade credit and supplier payment behaviorData quality checks and reconciliationשיעור 5הטיה והפחתת סיכון: הטיית תווית, בחירת מדגם, משתני פרוקסי, אי-איזון נתונים ואסטרטגיות הפחתה (רגולריזציה, בדיקות הוגנות)בחן מקורות הטיה בנתוני אשראי, כמו הטיית תווית, בחירת מדגם, משתני פרוקסי ואי-איזון מחלקות, ולמד אסטרטגיות הפחתה כולל משקלולת מחדש, רגולריזציה, בדיקות הוגנות ועיצוב מאפיינים ומדיניות זהיר.
Label bias and historical decision effectsSample selection and survivorship biasProxy variables and sensitive attributesClass imbalance and resampling methodsFairness metrics and monitoring checksשיעור 6מודלים חוזים נפוצים לסיכון אשראי: רגרסיה לוגיסטית, יער אקראי, שיפור גרדיאנט (LightGBM/XGBoost)סקור מודלים חוזים נפוצים לסיכון אשראי, כולל רגרסיה לוגיסטית, יערות אקראיים ושיטות שיפור גרדיאנט כמו XGBoost ו-LightGBM, והשווה חוזקות, מגבלות, פרקטיקות כוונון ופריסה.
Logistic regression for PD estimationTree-based models and random forestsGradient boosting, XGBoost, LightGBMHyperparameter tuning and validationModel comparison and champion–challengerשיעור 7ניהול מודל: ולידציה, בדיקות אחוריות, כיול, יציבות אוכלוסייה, ניטור ביצועיםהבן ניהול מודל לסיכון אשראי, כולל ולידציה עצמאית, בדיקות אחוריות, כיול, יציבות אוכלוסייה וניטור ביצועים מתמשך, כדי לעמוד בציפיות רגולטוריות ולשמור על מודלים אמינים בפרודקשן.
Independent model validation scopeBacktesting and benchmarking approachesCalibration and probability of default testsPopulation stability and drift metricsOngoing performance dashboards and alertsשיעור 8החלטות: המרת פלטי מודל לדרגות סיכון, מגבלות אשראי, תנאי תשלום וזרימות אישורגלה כיצד להמיר פלטי מודל להחלטות אשראי תפעוליות, כולל דרגות סיכון, מגבלות אשראי, תנאי תשלום וזרימות אישור, תוך איזון תיאבון סיכון, חוויית לקוח ורווחיות תיק.
Score-to-risk tier mapping and cutoffsSetting credit limits from PD and LGDDesigning payment terms by risk bandApproval workflows and escalation rulesChampion–challenger decision strategies
