Libri Universitari › Rösch – Deep Credit Risk Machine Learning in Python
Rösch – Deep Credit Risk Machine Learning in Python
· ISBN 9798844528903
7.2 / 10
Difficoltà alto
1 facoltà
lo adottano, in 1 ateneo1 docente · 1 corso di laurea
Scheda libro
Titolo
Rösch – Deep Credit Risk Machine Learning in Python
ISBN
9798844528903
Lingua
n.d.
Pagine
n.d.
Tipo
Manuale universitario
Studio
≈ 3 settimane
Cosa si studia con questo libro Rösch – Deep Credit Risk Machine Learning in Python: di cosa parla
Deep Credit Risk. Machine Learning in Python, di R. Rösch e H. Scheule, è un testo del 2022 sul rischio di credito. Il titolo indica l'applicazione di tecniche di machine learning con il linguaggio Python alla misurazione di questo rischio. È adottato nel corso risk management and capital requirements, il cui programma tocca i mercati OTC, la misurazione della qualità del credito, i processi stocastici, il moto browniano e il modello strutturale di default di Merton. Si rivolge a studenti di finanza ed economia quantitativa che vogliono unire teoria del rischio di credito e implementazione al calcolatore, lavorando in lingua inglese.
Dove acquistarlo Rösch – Deep Credit Risk Machine Learning in Python: prezzo nuovo e usato su Amazon, IBS e Libraccio
Di cosa si tratta: Mercati OTC, rischio di credito e misurazione della qualità del credito in apertura, poi base matematica: processi stocastici, moto browniano, moto browniano geometrico e formula di Itô. Si definisce la media condizionata a una sigma-algebra e si introduce il modello strutturale di default di Merton, con calcolo della probabilità di default tramite le proprietà del moto browniano geometrico.
Tempo consigliato per preparare l’esame: 13 settimane (3 mesi)
Frequenza consigliata · Il materiale di supporto, comprendente slides delle lezioni, esercizi proposti e dispense, sono disponibili al link · Per questo insegnamento è altamente consigliata la frequenza delle lezioni ai fini di una comprensione piena degli argomenti teorici del programma.
Dati verificati il 19/09/2026
Libri indicati per la materia
Scorri di lato: 3 libri
TP
Tools – Princeton Series in FinanceISBN 9780691166278
Verifica nel regolamento d'esame se la calcolatrice è ammessa e di che tipo. Link affiliati Amazon di ricerca: il prezzo per te non cambia.
Domande frequenti su Rösch – Deep Credit Risk Machine Learning in Python
Per quale esame serve Rösch – Deep Credit Risk Machine Learning in Python?
È indicato per Risk Management And Capital Requirements a Sapienza, dal prof. Claudia Ceci. A.a. 2026/2027.
Quali libri indica il prof. Claudia Ceci per Risk Management And Capital Requirements?
Per Risk Management And Capital Requirements (Sapienza) il prof. Claudia Ceci indica Rösch – Deep Credit Risk Machine Learning in Python; l'elenco completo dei testi, obbligatori e facoltativi, è nella sezione «Chi lo adotta» di questa pagina.
Qual è il prezzo migliore di Rösch – Deep Credit Risk Machine Learning in Python?
Il comparatore prezzi di questa pagina mette a confronto Amazon, IBS e Libraccio, nuovo e usato: su Amazon il prezzo aggiornato è nella scheda del negozio.
Quanto tempo serve per studiare Rösch – Deep Credit Risk Machine Learning in Python?
≈ 3 settimane: il tempo è calcolato sulle pagine del libro e sui crediti dell'esame.
Qual è l'ISBN di Rösch – Deep Credit Risk Machine Learning in Python?
L'ISBN è 9798844528903.
Sei uno studente tra i 18 e i 22 anni?Con Prime Student hai 90 giorni gratis, poi Amazon Prime a soli 2,49 € al mese: consegne veloci e gratuite anche sui libri.Scopri Prime Student ›
Come leggere questi datiCome è calcolata la difficoltà ›
Crediti (CFU)
50%
1 CFU = 25 ore di studio (dato ufficiale). Più crediti, più ore.
Densità di lettura
50%
pagine dei libri indicati divisi per i CFU (pagine dalla scheda SBN; se non note, una stima di 400 pagine a libro).
Ogni esame si confronta solo con quelli della sua area (scientifico-tecnica, umanistica, giuridico-sociale, sanitaria, economica): un esame di lettere non viene misurato con matematica. Il numero 1-10 è la posizione dell'esame nella sua area; per il libro si fa la media degli esami che lo adottano. Non contano anno di corso, laurea triennale o magistrale e lunghezza del programma: non dicono quanto si studia. È una stima del carico, non una difficoltà misurata.
Atenei e facoltà in ordine di diffusione. Per ogni esame: docente, corso di laurea, facoltà e il confronto con gli altri libri che indica.
Controlla sempre la scheda dell'esame. Le informazioni vengono dalle schede ufficiali degli atenei e possono cambiare o contenere errori: prima di acquistare verifica i testi sulla scheda ufficiale dell'esame (la trovi linkata in ogni esame) e, nel dubbio, chiedi al docente.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.
Questo sito usa solo strumenti tecnici (nessun cookie di profilazione). I link ai negozi sono link di affiliazione. Cookie policy · Privacy