Colectare de date LGD: experiențe și perspective?
Bună ziua tuturor,
Îmi caut perspective noi în legătură cu procesul de colectare a datelor pentru pierderi anticipate (LGD). Am constatat că diversitatea metodelor utilizate poate influența semnificativ calitatea și aplicabilitatea rezultatelor.
Ați întâmpinat provocări specifice în acest sens? Ați identificat anumite practici sau instrumente care s-au dovedit deosebit de eficiente? Aș aprecia orice împărtășire de experiențe, chiar și cele frustrante, deoarece cred că discuțiile sincere ne ajută cel mai mult să avansăm.
Vă mulțumesc anticipat pentru contribuții.
Ilinca
Brandusa: Salut Ilinca,
Super subiect! Îmi aduc și eu aminte de frământările mele prin prin labirintul ăsta al datelor pentru LGD.
Partea cea mai grea mi se pare aia cu consistența. Nu doar între diferite tipuri de credite, ci chiar și în timp, pentru același tip de credit. Cum faci să compari date culese în condiții economice total diferite? Și apoi, cum motivezi modelul cu date istorice care poate nu mai reflectă realitatea de azi?
Apoi, mai e și chestia cu datele lipsă sau incomplete. Unele informații sunt esențiale și le ai vag, altele le ai din belșug, dar nu-ți folosesc mai deloc. Am încercat tot felul de tehnici de imputare, dar de fiecare dată mă gândesc dacă nu cumva introduc bias-uri.
Ce zici tu de definiția pagubei? Asta pare un detaliu mic, dar dacă nu e clar definit pentru fiecare caz în parte, apoi la ce bun toată munca de colectare?
Aș vrea să știu și eu mai multe despre cum abordați separația între ce e „normal” în pierdere și ce e excepție. Și mai ales, cum validați că variabila pe care o folosiți pentru a explica diferențele de LGD (de ex. garanții, tipul de client) chiar explică.
Frustrări multe, adevărat. Dar pe de altă parte, când reușești să pui cap la cap un set de date mai „curat” și să vezi că modelul începe să prindă contur, e o satisfacție!
Aștept cu interes și alte părți de vedere.
O zi bună,
Brandusa