Оцінювання кредитоспроможності позичальників кредитів методами інтелектуального анализу даних

The actual task of creditworthiness based on the expert and scoring approach was considered. The analysis of the subject area was performed and the main methods of mathematical modeling and a credit risk assessment were analyzed; mathematical models for analyzing the credit risks of individual borro...

Повний опис

Збережено в:

Бібліографічні деталі
Дата:	2019
Автори:	Guskova, Vira G., Bidyuk, Petro I.
Формат:	Стаття
Мова:	Ukrainian
Опубліковано:	The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2019
Теми:	decision trees logistic regression Bayesian network fuzzy logic probability of default Mamdani conclusion деревья решений логистическая регрессия сеть Байеса нечеткая логика вероятность дефолта вывод Мамдани дерева рішень логістична регресія мережа Байєса нечітка логіка імовірність дефолту висновок Мамдані
Онлайн доступ:	http://journal.iasa.kpi.ua/article/view/155247
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:	System research and information technologies

Репозитарії

System research and information technologies

id	journaliasakpiua-article-155247
record_format	ojs
spelling	journaliasakpiua-article-1552472019-08-27T22:12:50Z Evaluating the borrower's creditworthiness of loans using data mining methods Оценивание кредитоспособности заемщиков кредитов методами интеллектуального анализа данных Оцінювання кредитоспроможності позичальників кредитів методами інтелектуального анализу даних Guskova, Vira G. Bidyuk, Petro I. decision trees logistic regression Bayesian network fuzzy logic probability of default Mamdani conclusion деревья решений логистическая регрессия сеть Байеса нечеткая логика вероятность дефолта вывод Мамдани дерева рішень логістична регресія мережа Байєса нечітка логіка імовірність дефолту висновок Мамдані The actual task of creditworthiness based on the expert and scoring approach was considered. The analysis of the subject area was performed and the main methods of mathematical modeling and a credit risk assessment were analyzed; mathematical models for analyzing the credit risks of individual borrowers based on alternative methods were proposed; mathematical models have been developed for analyzing the credit risks of individual borrowers based on decision trees, logistic regression, Bayesian networks, and fuzzy logic. It has been found that the model based on fuzzy logic for solving the problem of determining the probability of default for a loan borrower is more accurate, this is indicated by the calculated accuracy of models. This is due to the possibility of using the fuzzy logic method with fuzzy Mamdani’s conclusion to precisely establish the cause-and-effect relationships between the characteristics-factors of the task and their influence on the initial variable. Рассмотрена актуальная задача оценки кредитоспособности на основе экспертного и скорингового подходов. Выполнен анализ предметной области и проанализированы основные методы математического моделирования и оценки кредитных рисков, предложены математические модели для анализа кредитных рисков индивидуальных заемщиков на основе альтернативных методов, разработаны математические модели для анализа кредитных рисков индивидуальных заемщиков на основе деревьев решений, логистической регрессии, сетей Байеса и нечеткой логики. Установлено, что модель на основе нечеткой логики для решения задачи определения вероятности дефолта для кредитного заемщика является более точной, на что указывают посчитанные точности моделей. Это обусловлено возможностью использования метода нечеткой логики с нечетким выводом Мамдани точнее устанавливать причинно-следственные связи между характеристиками-факторами задачи и их влияние на исходную переменную. Розглянуто актуальне завдання оцінювання кредитоспроможності на основі експертного та скорингово підходів. Виконано аналіз предметної галузі та проаналізовано основні методи математичного моделювання і оцінювання кредитних ризиків, запропоновано математичні моделі для аналізу кредитних ризиків індивідуальних позичальників на основі альтернативних методів, розроблено математичні моделі для аналізу кредитних ризиків індивідуальних позичальників на основі дерев рішень, логістичної регресії, мереж Байєса та нечіткої логіки. Установлено, що модель на основі нечіткої логіки для розв’язання задачі визначення ймовірності дефолту для кредитного позичальника є більш точною, на що вказують пораховані точності моделей. Це зумовлено можливістю з використання методу нечіткої логіки з нечітким висновком Мамдані точніше встановлювати причинно-наслідкові зв’язки між характеристиками-факторами задачі та їх вплив на вихідну змінну. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2019-06-25 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/155247 10.20535/SRIT.2308-8893.2019.2.04 System research and information technologies; No. 2 (2019); 31-48 Системные исследования и информационные технологии; № 2 (2019); 31-48 Системні дослідження та інформаційні технології; № 2 (2019); 31-48 2308-8893 1681-6048 uk http://journal.iasa.kpi.ua/article/view/155247/175462 Copyright (c) 2021 System research and information technologies
institution	System research and information technologies
collection	OJS
language	Ukrainian
topic	decision trees logistic regression Bayesian network fuzzy logic probability of default Mamdani conclusion деревья решений логистическая регрессия сеть Байеса нечеткая логика вероятность дефолта вывод Мамдани дерева рішень логістична регресія мережа Байєса нечітка логіка імовірність дефолту висновок Мамдані
spellingShingle	decision trees logistic regression Bayesian network fuzzy logic probability of default Mamdani conclusion деревья решений логистическая регрессия сеть Байеса нечеткая логика вероятность дефолта вывод Мамдани дерева рішень логістична регресія мережа Байєса нечітка логіка імовірність дефолту висновок Мамдані Guskova, Vira G. Bidyuk, Petro I. Оцінювання кредитоспроможності позичальників кредитів методами інтелектуального анализу даних
topic_facet	decision trees logistic regression Bayesian network fuzzy logic probability of default Mamdani conclusion деревья решений логистическая регрессия сеть Байеса нечеткая логика вероятность дефолта вывод Мамдани дерева рішень логістична регресія мережа Байєса нечітка логіка імовірність дефолту висновок Мамдані
format	Article
author	Guskova, Vira G. Bidyuk, Petro I.
author_facet	Guskova, Vira G. Bidyuk, Petro I.
author_sort	Guskova, Vira G.
title	Оцінювання кредитоспроможності позичальників кредитів методами інтелектуального анализу даних
title_short	Оцінювання кредитоспроможності позичальників кредитів методами інтелектуального анализу даних
title_full	Оцінювання кредитоспроможності позичальників кредитів методами інтелектуального анализу даних
title_fullStr	Оцінювання кредитоспроможності позичальників кредитів методами інтелектуального анализу даних
title_full_unstemmed	Оцінювання кредитоспроможності позичальників кредитів методами інтелектуального анализу даних
title_sort	оцінювання кредитоспроможності позичальників кредитів методами інтелектуального анализу даних
title_alt	Evaluating the borrower's creditworthiness of loans using data mining methods Оценивание кредитоспособности заемщиков кредитов методами интеллектуального анализа данных
description	The actual task of creditworthiness based on the expert and scoring approach was considered. The analysis of the subject area was performed and the main methods of mathematical modeling and a credit risk assessment were analyzed; mathematical models for analyzing the credit risks of individual borrowers based on alternative methods were proposed; mathematical models have been developed for analyzing the credit risks of individual borrowers based on decision trees, logistic regression, Bayesian networks, and fuzzy logic. It has been found that the model based on fuzzy logic for solving the problem of determining the probability of default for a loan borrower is more accurate, this is indicated by the calculated accuracy of models. This is due to the possibility of using the fuzzy logic method with fuzzy Mamdani’s conclusion to precisely establish the cause-and-effect relationships between the characteristics-factors of the task and their influence on the initial variable.
publisher	The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
publishDate	2019
url	http://journal.iasa.kpi.ua/article/view/155247
work_keys_str_mv	AT guskovavirag evaluatingtheborrowerscreditworthinessofloansusingdataminingmethods AT bidyukpetroi evaluatingtheborrowerscreditworthinessofloansusingdataminingmethods AT guskovavirag ocenivaniekreditosposobnostizaemŝikovkreditovmetodamiintellektualʹnogoanalizadannyh AT bidyukpetroi ocenivaniekreditosposobnostizaemŝikovkreditovmetodamiintellektualʹnogoanalizadannyh AT guskovavirag ocínûvannâkreditospromožnostípozičalʹnikívkreditívmetodamiíntelektualʹnogoanalizudanih AT bidyukpetroi ocínûvannâkreditospromožnostípozičalʹnikívkreditívmetodamiíntelektualʹnogoanalizudanih
first_indexed	2024-04-08T15:06:28Z
last_indexed	2024-04-08T15:06:28Z
_version_	1795779502059552768

Оцінювання кредитоспроможності позичальників кредитів методами інтелектуального анализу даних

Репозитарії

Схожі ресурси