Threat_Modeling_Bank：精选的威胁建模库集合

弗雷明汉风险评分计算器 欢迎使用弗雷明汉风险评分计算器。 您可以使用此计算器通过回答一些简单的问题来计算您在未来十年内患心脏病或中风的风险。 Framingham 风险评分算法最初是根据从Framingham 心脏研究获得的数据开发的，用于估计 10 年患冠心病的风险。 要启动该应用程序，只需点击此链接： :

ISO26262培训视频--Hazard Analysis and Risk Assessment According to ISO 26262

Quantitative Risk Management Concepts, Techniques and Tools Alexander J. McNeil R¨udiger Frey Paul Embrechts 2005 by Princeton University Press Princeton and Oxford

Moody RiskCal Model是一系列评估非上市公司违约风险的模型。每个模型针对某个地理区域或行业，并体现了当地贷款、监管操作和会计准则

＃ 介绍 ＃ 此脚本计算和分析以下风险度量： 组件测量=> Kritzman 等人的 AR（吸收率）。 (2010) https://doi.org/10.2139/ssrn.1633027 => Allen 等人的 CATFIN。 (2012) https://doi.org/10.1093/rfs/hhs094 => Kinlaw & Turkington (2012) 的 CS（相关意外） https://doi.org/10.2139/ssrn.2133396 => Kritzman & Li (2010) 的 TI（湍流指数） https://doi.org/10.2469/faj.v66.n5.3 => 主成分分析 连通性措施=> DCI（动态因果指数） => CIO（“进出”连接） => CIOO（“进出 - 其他”连接） => 网络中心性：介数、度数、接近度、聚类、特

使用机器学习算法进行分析，以使用来自LendingClub的数据集识别信用卡风险。 概述 该分析的目的是了解如何利用Machine Learning统计算法基于提供的数据模式进行预测。 在这一挑战中，我们专注于使用来自P2P借贷服务公司LendingClub的免费数据集进行的监督学习，以评估和预测信用风险。 之所以将其称为“监督学习”，是因为数据包括标记的结果。 为了完成此分析，我们使用不同的Machine Learning技术来训练和评估不平衡类的数据。 LendingClub的数据集存在分类不平衡的问题，因为优质贷款的数量超过了风险贷款的数量。 为了平衡分类以进行更有意义的预测并提高准确性得分，我们需要采用各种Machine Learning算法来对数据进行重新采样。 这些算法包括RandomOverSampler ， SMOTE ， ClusterCentroids ， SMOTE

FRM考试参考书籍：Financial Risk ManagerHandbook 第六版

GARP FRM 考试指定用书，清晰版可文本复制

risk management and financial institutions