---
title: ML&F
tags: teaching
description: View the slide with "Slide Mode".
---

# ML and FinTech: Project by 薛育鴻

#### key word:機器學習、信用平等、違約機率

---

## Motivations (Talk 1)

近期的恆大事件引起不少風波，也使得人們越來越關注公司的信用評等，深怕自己投入風險相對較低的資金遭受波及。而過往的文獻利用機器學習的模型都能準確的預測公司違約的機率，且機率高於一般統計模型，若能在機器學習模型內加入非傳統變數進而提高預測準確度，將能幫助不少投資者選擇正確的公司債券。

---

## EDA (Talk 2)

1. 資料來源：TEJ內的2007~2021年台灣上市公司TCRI資料
2. 變數名稱：
公司：台灣上市公司名稱
年/月：日期以財報季度顯示
規模
獲利
安全
效率
EPS
總資產
營收
常續性利益
淨值報酬%
TCRI：信評分級(目標變數)
3. EDA
(1) 變數之敘述統計
(2) 各個特徵的折線圖

## Problem formulation (Talk 3)

## Analysis (Talk 4)

## Conclusion (Talk 4)