Seit der Finanzkrise haben Banken einige größere Hürden zu bewältigen. Sei es die zunehmende Regulierung des Finanzsektors, die lockere Geldpolitik der EZB oder die Digitalisierung. Keine dieser Hürden kann eine Bank erfolgreich meistern ohne massives Anwenden von mathematischen und statistischen Analysen. Damit eine Bank gleichzeitig die neuen Vorschriften erfüllen kann, bei negativ Zinsen erfolgreich wirtschaften kann und die Herausforderungen der Digitalisierung meistern kann, muss sie heutzutage bei der Kreditrisikoanalyse Tools aus der Mathematik, Statistik und Maschine Learning anwenden. Unter anderem sind heute Verfahren wie logistische Regression oder Kerndichteschätzung von extremer Wichtigkeit, um die Verluste von morgen vorherzusagen. Was hinter diesen Begriffen steckt und wie diese bei der Kreditrisikoanalyse angewendet werden, erfahrt ihr in diesen Vortrag.