Технология работы

В соответствии со стандартом работы в учебном классе все Лабораторные работы на Демо-версии ПК «ЛВ-оценка и анализ кредитных рисков» начинаются с копирования папки “credit_risk” с диска M:TeachSolojencevcredit_risk на диск «Мой компьютер». После окончания лабораторной работы, студент переписывает файлы с результатами из папки “credit_risk” в свою папку на своем студенческом рабочем диске.

1. Выберите пункт меню Task 2/ Training and estimation of quality , либо нажмите кнопку ‘2’. Появится экранная форма (рис. 4) для идентификации (обучения) ЛВ-модели кредитного риска по статистическим данным банка.

2. Преподаватель задает индивидуально каждому студенту значения следующих параметров: Nopt – число оптимизаций, Nmc – число попыток Монте-Карло на шаге оптимизации, Ngc – расчетное число хороших кредитов, а также 3 варианта обучения ЛВ-модели риска с разными значениями этих параметров. Задание фиксируется в журнале преподавателя.

3. Введите полученные значения параметров в окна экранной формы для (идентификации) обучения ЛВ-модели кредитного

Рис. 4. Идентификация ЛВ-модели кредитного риска

 

4. С левой стороны экранной формы приведены параметры для формулы обучения методом Монте-Карло: число шагов в оптимизации Nopt, число попыток моделирования Монте-Карло на шаге оптимизации Nmc, средний риск по статистическим данным Pav, задаваемое расчетное число хороших кредитов для ЛВ-модели Ngc, коэффициент формулы оптимизации K1. Введите значения заданных параметров. Обратите внимание, что не следует изменять другие параметры в левой части экранной формы. Внесите в отчет данные об изменении параметров.

5. Запустите процесс обучения с помощью кнопки Run training. С правой стороны экранной формы приведены текущие изменяющиеся значения параметров в динамике обучения ЛВ-модели риска: абсолютное достигнутое максимальное значение целевой функции Fabs, достигнутое максимальное значение целевой функции на шаге оптимизации Fmax (из-за операции отступления для выхода из тупиков Fabs и Fmax могут не совпадать), число некорректно распознанных плохих кредитов NL01, номер текущей попытки Монте-Карло на шаге оптимизации Nmc, текущее значение допустимого риска Pad, разность между максимальным и минимальным рисками кредитов dPc, номер текущей оптимизации Nt.. Выход – кнопкой Exit. Начальные значения вероятностей событий – градаций P1jr, j=1,2,…,n; r=1,2,…,Nj приведены в файле Original_P1.txt. Оптимальные значения вероятностей событий-градаций (их число в данной задаче равно 96) при очередном Fabs записываются в файл Proby_P1.txt и файл Proby_P.txt.

6. Интегральные параметры обучения ЛВ-модели риска приведены в файле fMaxLast_risk.txt для последнего оптимального шага идентификации ЛВ-модели кредитного риска по статистическим данным банка:

• Fmax = 820 <Максимальное значение целевой функции>
• Nopt = 400 <Заданное число оптимизаций>
• N1 = 700 <Число хороших кредитов в статистике>
• N0 = 300 <Число плохих кредитов в статистике>
• Pav = 0.300 <Средний риск по статистике>
• N1c = 610 <Заданное число хороших кредитов по модели>
• N0c = 390 <Заданное число плохих кредитов по модели>
• Pmin = 0.22535 <Минимальный риск кредита в статистике>
• Pmax = 0.37766 <Максимальный риск кредита в статистике>
• dPc = 0.15230 <Размах рисков в распределении рисков кредитов>
• Pm = 0.29981 <Средний риск по модели>
• Pad = 0.30621 <Допустимый риск по модели>
• N01 = 135 <Число некорректно распознанных хороших кредитов>
• N10 = 45 <Число некорректно распознанных плохих кредитов>
• K1 = 0.0020 <Коэффициент обучения>

7. Запишите время обучения для каждого варианта значений заданных параметров и полученные значения целевой функции, числа некорректно распознанных плохих и хороших кредитов и значение допустимого риска в свой отчет.