Оцінювання Кредитного Ризику Методами Машинного Навчання

Стаття присвячена вирішенню завдання мінімізації кредитних ризиків банку, що видає кредити юридичним особам. Проведений аналіз внутрішньої рейтингової моделі банку, розрахунок її дискримінаційної сили, на її основі побудована математична модель для прогнозування кредитоспроможності майбутніх позичальників та оцінка якості моделі, застосований алгоритм позбуття аномалій в даних та порівняно результати початкової та покращеної моделей. Запропонований підхід до оцінки кредитоспроможності позичальника дозволив покращити якість рейтингової моделі, а також її здатність розрізняти надійних та ненадійних клієнтів, та зменшив кількість дефолтних та не дефолтних клієнтів. Особливістю підходу, який представлений у статті, є застосування методів машинного навчання для аналізу та обробки даних у програмному забезпеченні R. Практичною цінністю проведеного дослідження є отримані знання щодо важливості правильного відбору даних, які характеризують рейтингову модель, що в подальшому слугуватиме одним із інструментів для попередження втрат від невиконання кредитних зобов’язань.