أهداف المشروع:
فهم شامل لهياكل الرهن العقاري وأنظمة تداول الأوراق المالية المدعومة بالرهن العقاري.
تحليل بيانات القروض العقارية واستخلاص مؤشرات الأداء الرئيسية (KPIs).
بناء نماذج تنبؤية لتقدير مخاطر التعثر، الدفع المسبق، وشدة الخسارة.
تصميم لوحات معلومات تفاعلية باستخدام Power BI / Tableau لمتابعة الأداء والمخاطر.
المهام المنجزة:
1. بحث نظري ومالي:
شرح الفرق بين RMBS وCMBS، وتحليل دورة حياة MBS من الإصدار حتى التداول الثانوي.
تقييم الأثر التنظيمي (قانون Dodd-Frank وBasel III).
دراسة العوامل الاقتصادية المؤثرة مثل معدلات الفائدة، الأزمات (2008، كورونا).
2. معالجة البيانات:
تنظيف شامل: معالجة القيم المفقودة، إزالة التكرارات، وتحديد القيم الشاذة.
تصنيف البيانات إلى فئات: درجة الائتمان، نسبة الدين للدخل، فئات المخاطر.
ترميز البيانات باستخدام One-Hot وLabel Encoding لتجهيزها للنمذجة.
3. هندسة ميزات مخصصة:
إضافة مؤشرات مثل: فرق سعر الفائدة، مؤشر أسعار المنازل، البطالة، نوع الوظيفة، نشاط إعادة التمويل.
تعزيز النماذج التنبؤية لعوامل التعثر والسداد المبكر بناءً على هذه الميزات.
4. تطوير لوحات معلومات تفاعلية:
Dashboard 1: Mortgage Loan Portfolio Overview & Delinquency Insights
(مقسمة إلى الجزء 1 والجزء 2)
الجزء 1: يعرض نظرة عامة على المحفظة العقارية، توزيع القروض، متوسط الفائدة، وتصنيف الغرض من القرض.
الجزء 2: يتناول تحليلات التعثر حسب الزمن، علاقة LTV والتصنيف الائتماني بمعدلات التخلف، وتحليل المشترين لأول مرة.
Dashboard 2: Mortgage Risk and Performance Analysis
(مقسمة إلى الجزء 3 والجزء 4)
الجزء 3: يعرض مؤشرات الأداء والمخاطر مثل معدلات التخلف والسداد المبكر، ويوضحها عبر خرائط جغرافية وتحليلات تصنيفية.
الجزء 4: يركز على التحليل الزمني، ومقارنة الدفع المسبق مقابل التعثر، وتفسير العلاقة بين مبلغ القرض والمخاطر.
5. إعداد تقرير تفاعلي:
يغطي تحليلاً تفصيليًا للوحة الأولى، ويدعم:
تحديد الفئات عالية الخطورة (مثل قروض المشترين لأول مرة، LTV المرتفع، القنوات الوسيطة).
تحسين النماذج التنبؤية والاستراتيجيات الرقابية بناءً على التحليل البياني.
الأدوات والتقنيات المستخدمة:
Python (Pandas, NumPy, Scikit-learn)
Power BI / Tableau
Excel
تقنيات التنظيف الإحصائي والنمذجة التنبؤية
النتائج والمخرجات:
تقرير بحثي متكامل يغطي الأبعاد التنظيمية، المالية، والتحليلية لسوق MBS.
ملف بيانات نظيف ومُرمز وجاهز للتحليل والنمذجة.
مجموعة ميزات مخصصة لرفع كفاءة التنبؤ بالمخاطر.
لوحات معلومات تفاعلية تقدم رؤى تنفيذية للإدارة واتخاذ القرار.
القيمة المضافة:
مكّن المشروع من ربط المفاهيم المالية بالنمذجة التحليلية الحديثة، مما ساعد في تطوير أدوات دقيقة للتنبؤ بالمخاطر وتحسين إدارة محافظ MBS، ودعم اتخاذ قرارات قائمة على البيانات في بيئة مالية معقدة.
