回答:
スコアリングの世界が初めての場合、最初の本は、SASを使用したクレジットスコアリングに関するnaeem siddiqiによるものです。クラスを受講していない場合は、受講してください。クラスの主な焦点は、何百万ドルものSASエンタープライズマイナーの採点と販売に関する全体的な理解です。
理論が必要な場合は、カテゴリ別のデータ分析と大学の近くからのデータマイニングクラスが必要です。これらのクラスを受講した後でも、助けが必要です。
現在使用されている最も人気のあるテクニックは
クラスタリング、判別分析、因子分析、主成分も必須です。
エリザベスメイズによるクレジットスコアリングでも、概要がわかります。
また、SAS Instituteによる信用リスクモデリングクラスを受講しました。それは一定の学習プロセスであり、決して行われていません。
ベイジアンの人々は彼らの方法も好きです。
編集する
私も言及するのを忘れていました。世の中で最も人気のある手法でのロジスティック回帰は、銀行が常に使用し続ける手法です。他の方法は、あなたの銀行がこれらの方法を理解することをあまり気にせず、それらの焦点がリスクを取ることとお金を稼ぐことにとどまらない限り、上層部の人々に売ることは非常に困難です。
私はクレジットスコアリング分野で働いています。私はさまざまなアプローチを模索するのが好きですが、最善のアプローチではないにしても、ロジスティック回帰で十分であることがよくあります。私はこのトピックに関する最新の論文を調査していませんが、ほとんどの論文の記憶から、ニューラルネットモデルなどの他のアプローチは通常、予測力（GINIとARで測定）の点で大きなリフトを提供しないことがわかります。また、これらのモデルは素人にはわかりにくい傾向があり（多くの場合、上級幹部の多くは統計に経歴がありません）、ロジスティック回帰を使用したスコアカードアプローチは、最も簡単にモデルを説明できるようです。確かに、ほとんどのスコアカードは相互作用を考慮していません。
とはいえ、ロジスティック回帰に比べていくつかの利点があるため、生存分析手法を使用してスコアカードを作成することに最近関心が集まっています。つまり、マクロ経済要因をより簡単にモデルに組み込むことができます。少なくとも12か月前のデータに依存する代わりに、モデルビルドでより最近のデータを使用できます（ロジスティクスのバイナリインジケーターは通常、今後12か月）。その点で、私の論文は、生存分析を使用してクレジットスコアカードを構築する方法を探るという点で、別の視点を提供することができます。生存分析スコアカードがロジスティック回帰スコアカードと同じように「ルックアンドフィール」になることを示したので、あまり問題なく導入できます。
私の論文では、変数をビニングする新しいアプローチであるABBAアルゴリズムについても説明しました。
更新： 私の論文が優れているかどうかは主張しません。それは、現場の開業医からの別の視点にすぎません。