给定默认数据（LGD）数据拟合不同类型的模型。此示例演示了以下方法：

与消费者（零售）信用面板数据合作，以可视化观察到的默认概率（PDS）在不同级别上。它还显示了如何拟合COX比例危害（PH）模型（也称为Cox回归）来预测PDS。此外，它显示了如何执行应力测试分析，如何建模寿命PD以及如何使用POTTFOLIOECL计算寿命预期的信用损失（ECL）值。

使用消费者信用面板数据来创建整个周期（TTC）和时间点（PIT）模型，并比较其各自的默认概率（PD）。

创建，训练和比较三个深度学习网络，以预测信用默认概率。

使用深层神经网络培训违约概率（PD）预测概率的信用风险。该示例还显示了如何使用局部解释的模型不合骨解释（Lime）和Shapley值可解释性技术来理解模型的预测。此外，该示例分析了样本外值的模型预测并执行应力测试分析。

计算和使用数据和模型指标来研究模型中存在的偏差。