Libro

Intelligent Credit Scoring ฉบับที่ 2: สร้าง credit scorecard ด้วยความรู้ธุรกิจและสถิติ

หนังสือของ Naeem Siddiqi ฉบับที่ 2 ว่าด้วยกระบวนการพัฒนาและนำ credit risk scorecard ไปใช้ในองค์กร บทความนี้สรุปจากสารบัญและบทที่ 1 ที่ Wiley เผยแพร่ เพื่อช่วยตัดสินว่าเล่มนี้เหมาะกับคุณหรือไม่

ทีมบรรณาธิการ Libro · 25 ตุลาคม 2569 · แก้ไขล่าสุด 27 ตุลาคม 2569 · อ่านประมาณ 4 นาที

ภาพประกอบบทความ: ปกหนังสือ Intelligent Credit Scoring โดย Naeem Siddiqi

ขอบเขตของบทความ: สรุปจากการอ่านตัวอย่างบทที่ 1 และสารบัญที่สำนักพิมพ์ Wiley เผยแพร่ รวมกับข้อมูลจากหน้าสำนักพิมพ์ ยังไม่ได้อ่านบทอื่น ข้อสังเกตเรื่องบทที่ 2–14 มาจากชื่อบทและหัวข้อย่อยในสารบัญเท่านั้น

credit risk analyst ที่เรียน statistics มาดีมักพบว่าการสร้าง model ให้แม่นยำเป็นแค่ส่วนหนึ่งของงาน ส่วนที่ยากกว่าคือการกำหนดนิยามของ default การเลือกกลุ่มข้อมูลที่เหมาะ การอธิบาย model ให้ฝ่ายธุรกิจเข้าใจ และการติดตามผลหลังนำไปใช้ หนังสือเล่มนี้เขียนขึ้นสำหรับส่วนนั้น

หนังสือเล่มนี้ว่าด้วยอะไร

Intelligent Credit Scoring: Building and Implementing Better Credit Risk Scorecards, 2nd Edition เขียนโดย Naeem Siddiqi อยู่ในชุด Wiley and SAS Business Series ตีพิมพ์โดย Wiley ความยาว 464 หน้า ฉบับ e-book ISBN 978-1-119-28233-4 ออกเมื่อธันวาคม 2016 และฉบับปกแข็ง ISBN 978-1-119-27915-0 ออกเมื่อมกราคม 2017 (หน้าหนังสือของ Wiley)

Wiley ระบุว่าฉบับที่ 2 เพิ่มตัวอย่างละเอียด เรื่องเล่าจากการทำงานจริง และแผนภาพ ลงลึกเรื่อง WOE curves และเพิ่มบทใหม่ว่าด้วยโครงสร้างพื้นฐานสำหรับการทำ credit scoring ภายในองค์กร การ validate การกำกับดูแล และ Big Data หน้าสำนักพิมพ์ระบุว่าผู้เขียนเป็น Director of Credit Scoring and Decisioning ที่ SAS Institute และมีประสบการณ์ด้าน credit risk มากกว่า 20 ปี

เนื้อหาครอบคลุมหัวข้ออะไร

สารบัญมี 14 บท โดยแกนของเล่มคือกระบวนการพัฒนา scorecard เจ็ดขั้น (สารบัญ):

บท

หัวข้อตามสารบัญ

1–3

Introduction, Scorecard Development: The People and the Process, Designing the Infrastructure for Scorecard Development

4

Stage 1: Preliminaries and Planning

5

Managing the Risks of In-House Scorecard Development

6

Stage 2: Data Review and Project Parameters

7

Default Definition under Basel

8

Stage 3: Development Database Creation

9

Big Data: Emerging Technology for Today's Credit Analyst

10

Stage 4: Scorecard Development

11

Stage 5: Scorecard Management Reports

12

Stage 6: Scorecard Implementation

13

Validating Generic Vendor Scorecards

14

Stage 7: Post-implementation

บทที่ 10 ยาวที่สุดในสารบัญ ครอบคลุมตั้งแต่ missing values, correlation, initial characteristic analysis, reject inference ไปจนถึงการเลือกและ validate scorecard ท้ายเล่มมีภาคผนวกตัวแปรที่ใช้บ่อยใน credit scoring และตัวอย่างการสร้าง scorecard ตั้งแต่ต้นจนจบ

แนวคิดที่น่าสนใจจากบทที่ 1

บทที่ 1 เปิดให้อ่านเป็นตัวอย่าง (บทที่ 1)

  • ทำไมธนาคารหันมาพัฒนา scorecard เอง ผู้เขียนชี้ว่าปัจจัยใหญ่ที่สุดในทศวรรษก่อนหน้าคือ Basel II ที่กำหนดให้ธนาคารที่ใช้แนวทาง Internal Ratings Based ต้องประมาณค่า PD, LGD และ EAD เอง และกล่าวถึง IFRS 9 ที่ขยายการใช้ predictive model ในการคำนวณ expected credit loss

  • ข้อมูลภายในและความรู้ของนักวิเคราะห์สำคัญที่สุด ผู้เขียนมองว่าปัจจัยที่มีผลต่อคุณภาพ model มากที่สุดคือตัวข้อมูล รองลงมาคือความรู้ของนักวิเคราะห์ต่อข้อมูลนั้น และ scorecard ที่ดีไม่ได้เกิดจากการส่งข้อมูลผ่าน algorithm เพียงอย่างเดียว

  • scorecard เป็นเครื่องมือช่วยตัดสินใจ ผู้เขียนเสนอให้มองการสร้าง scorecard เป็นกระบวนการทางธุรกิจที่หลายฝ่ายต้องร่วมกัน และให้ถือวิธีในเล่มเป็นแนวปฏิบัติที่ดี ไม่ใช่กฎตายตัว

  • อ่าน gains chart บทนี้ยกตัวอย่างโครงสร้าง scorecard ที่ให้คะแนนแต่ละ attribute เช่น ช่วงอายุ แล้วรวมเป็นคะแนนของผู้สมัคร และอธิบายวิธีอ่าน gains chart เช่น ถ้าใช้คะแนน 163 เป็น cutoff ในตัวอย่าง approval rate จะอยู่ราว 70% และ cumulative bad rate ของกลุ่มที่ผ่านอยู่ที่ 2.45%

พื้นฐานที่ควรมีก่อนอ่าน

ผู้เขียนระบุในบทที่ 1 ว่าหนังสือไม่ได้อธิบาย statistical techniques และ data mining อย่างละเอียด และสมมติว่าผู้อ่านรู้จัก algorithm เหล่านั้นแล้ว หรืออ่านเพิ่มก่อน โดยสิ่งที่ผู้อ่านจะได้คือความรู้เชิงธุรกิจของการพัฒนา scorecard (บทที่ 1) ผู้อ่านจึงควรคุ้นกับ logistic regression และการประเมิน classification model มาก่อน ข้อนี้เป็นข้อสังเกตของบทความจากลักษณะงาน scorecard ทั่วไป

เหมาะกับใคร และใครควรเริ่มจากเล่มอื่นก่อน

  • เหมาะ กับ credit risk analyst ผู้พัฒนา model ในธนาคารหรือบริษัทสินเชื่อ และผู้จัดการที่ต้องวางกระบวนการพัฒนาและกำกับดูแล scorecard ภายในองค์กร

  • ควรเริ่มจากเล่มอื่นก่อน ถ้ายังไม่มีพื้นฐาน statistics และการสร้าง classification model หรือถ้าต้องการเรียน algorithm machine learning โดยตรง เพราะผู้เขียนระบุว่าไม่ได้ลงรายละเอียดส่วนนั้น

ข้อจำกัดของข้อมูลที่ใช้ในบทความนี้

  • อ่านเฉพาะบทที่ 1 และสารบัญ บทอื่นสรุปจากชื่อบทและหัวข้อย่อยเท่านั้น

  • ตัวเลขใน gains chart เป็นตัวอย่างประกอบในบทที่ 1 ไม่ใช่ค่ามาตรฐานของอุตสาหกรรม

  • ข้อมูลกฎระเบียบอย่าง Basel II และ IFRS 9 เป็นภาพ ณ ช่วงที่หนังสือตีพิมพ์

  • Open Library ระบุ ISBN 9781119282334 ว่าเป็นฉบับ Wiley ปี 2016 (Open Library)

แหล่งอ้างอิง

  • ปกหนังสือ Intelligent Credit Scoring

    Intelligent Credit Scoring

    Naeem Siddiqi

    ฉบับที่ 2 (Wiley and SAS Business Series) ไล่กระบวนการพัฒนา scorecard เจ็ดขั้น และเพิ่มบทเรื่องโครงสร้างพื้นฐาน Basel การ validate และ Big Data

    ดูรายละเอียด

บทความนี้อ่านจบได้ในตัวเอง หนังสือด้านบนคือจุดต่อยอดสำหรับผู้ที่ต้องการศึกษาลึกขึ้น