ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Risk Analytics: From Concept to Deployment (World Scientific Financial Data Analytics)

دانلود کتاب تجزیه و تحلیل ریسک: از مفهوم تا استقرار (تجزیه و تحلیل داده های مالی علمی جهانی)

Risk Analytics: From Concept to Deployment (World Scientific Financial Data Analytics)

مشخصات کتاب

Risk Analytics: From Concept to Deployment (World Scientific Financial Data Analytics)

ویرایش: [2 ed.] 
نویسندگان:   
سری:  
ISBN (شابک) : 9811238707, 9789811238703 
ناشر: World Scientific Publishing Company 
سال نشر: 2021 
تعداد صفحات: 208
[243] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 7 Mb 

قیمت کتاب (تومان) : 42,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 5


در صورت تبدیل فایل کتاب Risk Analytics: From Concept to Deployment (World Scientific Financial Data Analytics) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب تجزیه و تحلیل ریسک: از مفهوم تا استقرار (تجزیه و تحلیل داده های مالی علمی جهانی) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب تجزیه و تحلیل ریسک: از مفهوم تا استقرار (تجزیه و تحلیل داده های مالی علمی جهانی)



این کتاب برای توانمندسازی متخصصان ریسک برای تبدیل تحلیل‌ها و مدل‌ها به راه‌حل‌های قابل استقرار با حداقل مداخله فناوری اطلاعات نوشته شده است. شرکت‌ها، به‌ویژه مؤسسات مالی، باید شواهدی مبنی بر وجود ریسک‌های اعتباری، بازار و عملیاتی کمی نشان دهند. آنها پایگاه داده دارند اما خودکار کردن فرآیند برای ترجمه داده ها به پارامترهای ریسک همچنان یک خواسته باقی مانده است.


مدل سازی با استفاده از نرم افزار با کدهای خروجی انجام می شود که به راحتی توسط پایگاه های داده پردازش نمی شوند. با افزایش پذیرش زبان های منبع باز، فروشندگان پایگاه داده ارزش ادغام قابلیت های مدل سازی را در محصولات خود دیده اند. با این وجود، استقرار راه‌حل‌هایی برای خودکارسازی فرآیندها همچنان یک چالش است. در حالی که در برخورد با تمام جنبه های خطرات جامع نیست، نویسنده قصد دارد افراد حرفه ای ریسک را توسعه دهد که قادر به انجام این کار باشند.


توضیحاتی درمورد کتاب به خارجی

This book is written to empower risk professionals to turn analytics and models into deployable solutions with minimal IT intervention. Corporations, especially financial institutions, must show evidence of having quantified credit, market and operational risks. They have databases but automating the process to translate data into risk parameters remains a desire.


Modelling is done using software with output codes not readily processed by databases. With increasing acceptance of open-source languages, database vendors have seen the value of integrating modelling capabilities into their products. Nevertheless, deploying solutions to automate processes remains a challenge. While not comprehensive in dealing with all facets of risks, the author aims to develop risk professionals who will be able to do just that.



فهرست مطالب

Contents
Foreword
About the Author
Chapter 1 Introduction
Chapter 2 Risk Typology and Data Implications
	2.1. Data Needed
	2.2. Data Stewardship
	2.3. Deployment for Use
Chapter 3 Risk Analytics Landscape
	3.1. Software and Solutions
		3.1.1. Request for Proposal (RFP)
		3.1.2. Terms of Reference (TOR)
		3.1.3. Proof of Concept (POC)
		3.1.4. System Integration Test (SIT)
		3.1.5. User Acceptance Test (UAT)
	3.2. Data Table and Data Type
	3.3. Modeling
		3.3.1. Business understanding
		3.3.2. Data understanding
		3.3.3. Data preparation
		3.3.4. Modeling
		3.3.5. Evaluation
		3.3.6. Deployment
	3.4. Data Flow
		3.4.1. Data quality and quantity
		3.4.2. External and internal data integration
		3.4.3. Security and access
		3.4.4. Analysis and decision-making
	3.5. Deployment
	3.6. Governance
	3.7. Need for Integration
Chapter 4 Embedded R
	4.1. ORACLE_HOME and R_HOME
	4.2. Pluggable Database
	4.3. RQUSER
	4.4. R Packages and RStudio
	4.5. Oracle R Enterprise (ORE)
Chapter 5 Data Audit
	5.1. Missing
	5.2. Invalid
	5.3. Unreliable
	5.4. Outdated
	5.5. Inconsistent
	5.6. Data Audit Report
	5.7. Treatments for Problematic Data Values
Chapter 6 Data Warehousing
	6.1. Legacy System Data
		6.1.1. Overwrite mode
		6.1.2. Record removal
		6.1.3. Legal priority
		6.1.4. Data type
	6.2. Enterprise Data Warehouse vs Specialized Data Mart
		6.2.1. Data stewardship
		6.2.2. Access and security
		6.2.3. Update frequency
		6.2.4. Designed to fail
	6.3. Extraction, Transfer, Load (ETL)
		6.3.1. Data cleansing
		6.3.2. Mappings
		6.3.3. Rejected records
		6.3.4. Corrections
Chapter 7 Analytical Data Sphere
	7.1. Archive, Not Overwrite
	7.2. Dropdown List, Not Free Text
	7.3. Meaningful Categories
	7.4. Optimal Number of Categories
	7.5. Expandable Data Tables
	7.6. Dated
	7.7. Useful and New Primary Keys
	7.8. Updatable
	7.9. Accessible
Chapter 8 Risks in Financial Institutions
	8.1. Profiling What Is Ahead
	8.2. External Warning Indicators
	8.3. Operational Concerns
	8.4. Portfolio Composition
Chapter 9 Common Risk Models and Analytics
	9.1. Expected and Unexpected Losses
	9.2. Value at Risk
	9.3. Securities Portfolio Optimization
	9.4. Correlation
	9.5. Concentration Index
	9.6. Operational Loss Distribution
	9.7. Stress Testing
	9.8. Weight of Evidence
Chapter 10 Internal Rating System
	10.1. Developing an ORR
	10.2. Data Audit
	10.3. Predictors and Target
	10.4. Weight of Evidence (WoE)
	10.5. Training a Model
	10.6. Risk Grades/Ratings
	10.7. Backtesting
Chapter 11 Deployment
	11.1. Default and Reageing
	11.2. Enterprise Data Warehouse or Data Mart
Chapter 12 Through The Cycle (TTC) Updating
Chapter 13 Desktop Analytics
	13.1. Basic Excel R Toolkit (BERT)
	13.2. Probabilities and PD
		13.2.1. Cumulative and marginal probabilities
		13.2.2. Joint, conditional and unconditional probabilities
		13.2.3. Binomial lattice
	13.3. Loss Given Default (LGD)
	13.4. Credit Valuation Adjustment (CVA), Debit Valuation Adjustment (DVA) and xVA
		13.4.1. Spot, forward and par rates
		13.4.2. Interest rate binomial lattice
		13.4.3. Counterparty default
	13.5. R with Excel
Chapter 14 Resources
	14.1. RStudio
	14.2. Packages
	14.3. Free Data
Annex A: Meeting of Minds Questionnaire
	Business Problem and Solution
	Departments and Individual Users
	Budget
	Working Mode
	Data Collection and Storage
	Analytics Tool
	OLAP and Front-End Tools
	Other Information
Annex B
Index




نظرات کاربران