---
# System prepended metadata

title: ML&F
tags: [teaching]

---

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

# ML and FinTech: Project by 王怡茹
#### keywords: credit rating, SVM RandomForest
---

## 1. Motivations

---
自2008年金融危機後，信用風險的控管便越來越受到重視，且近期發生的恆大集團違約事件更是再次驗證了預測信用風險的重要性。而信用評等的變化也屬於信用風險的一部分，且現有的論文數量相較於破產預測來的少，因此我想以預測公司的信用評等作為主題。

相較於過去採用傳統的統計方法預測信用風險，機器學習模型更能增加模型的準確度，雖然目前以機器學習預測信用評等的文獻不少，但我認為我們仍能透過選擇一些未被使用過的變數來加強模型的準確度，而根據相關文獻紀載(Tsai, C.-F.,& Chen, M.-L. (2010). Credit rating by hybrid machine learning techniques.)，在預測信用評等的模型中即便只是提升1%的準確度便能大幅減少投資人的損失，因此我想透過加入新變數(非財務變數)來提升模型預測的準確度。

![](https://i.imgur.com/xbV8nom.jpg)
資料來源：陳宗岡老師 信用風險課程教材





## 2. EDA 


## 3. Problem formulation 

## 4. Analysis and Conclusion 


## Reference 




---

---