Багатокритеріальна математична модель кредитного скорингу в задачах data science

Багатокритеріальна математична модель кредитного скорингу в задачах data science

A multi-criteria optimization mathematical model of credit scoring is proposed. The model is derived using a nonlinear trade-off scheme to solve multi-criteria optimization problems, allowing for the construction of a Pareto-optimal solution. The proposed approach forms an integrated assessment of a...

Повний опис

Збережено в:
Бібліографічні деталі
Дата:2025
Автори: Pysarchuk, Oleksii, Vasylieva, Maria, Baran, Danylo, Pysarchuk, Illya
Формат: Стаття
Мова:English
Опубліковано: The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2025
Теми:
Data Science
Big Data
SCORIG машинне навчання
прийняття рішень
багатокритеріальні математичні моделі
інтелектуальні CRM
ERP системи
Онлайн доступ:http://journal.iasa.kpi.ua/article/view/308786
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-308786
record_format ojs
spelling journaliasakpiua-article-3087862025-11-09T00:01:30Z Multi-criteria mathematical model of credit scoring in data science problems Багатокритеріальна математична модель кредитного скорингу в задачах data science Pysarchuk, Oleksii Vasylieva, Maria Baran, Danylo Pysarchuk, Illya Data Science Big Data SCORIG machine learning decision making multi-criteria mathematical models intelligent CRM ERP systems Data Science Big Data SCORIG машинне навчання прийняття рішень багатокритеріальні математичні моделі інтелектуальні CRM ERP системи A multi-criteria optimization mathematical model of credit scoring is proposed. The model is derived using a nonlinear trade-off scheme to solve multi-criteria optimization problems, allowing for the construction of a Pareto-optimal solution. The proposed approach forms an integrated assessment of a borrower’s creditworthiness based on a structured set of indicators that reflect the financial, credit, and social profile of clients. The model is designed for use in intelligent CRM and ERP systems operating on Big Data and does not rely on labeled training samples, making it applicable to unsupervised learning tasks. It can also serve as a foundational layer for further deep-learning analysis. Methodological steps for implementing the model, from indicator normalization to final decision-making, are described. A technological implementation demonstrates the model’s effectiveness in automated loan decisions and fraud detection. Запропоновано багатокритеріальну оптимізаційну математичну модель кредитного скорингу. Модель отримано з використанням нелінійної схеми компромісів для вирішення задач багатокритеріальної оптимізації, що дозволяє побудувати Парето-оптимальне рішення. Запропонований підхід формує інтегровану оцінку кредитоспроможності позичальника на основі структурованого набору показників, що відображають фінансовий, кредитний та соціальний профіль клієнтів. Модель призначено для використання в інтелектуальних CRM та ERP системах, що працюють з великими даними, і не потребує розмічених навчальних вибірок, що робить її придатною для задач навчання без учителя. Вона також може слугувати базовим рівнем для подальшого аналізу з використанням методів глибинного навчання. Описано методологічні кроки впровадження моделі, від нормалізації показників до прийняття остаточних рішень. Технологічна реалізація демонструє ефективність моделі в автоматизованому прийнятті рішень щодо кредитування і виявленні шахрайства. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2025-09-29 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/308786 10.20535/SRIT.2308-8893.2025.3.08 System research and information technologies; No. 3 (2025); 99-112 Системные исследования и информационные технологии; № 3 (2025); 99-112 Системні дослідження та інформаційні технології; № 3 (2025); 99-112 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/308786/331015
institution System research and information technologies
baseUrl_str
datestamp_date 2025-11-09T00:01:30Z
collection OJS
language English
topic Data Science
Big Data
SCORIG машинне навчання
прийняття рішень
багатокритеріальні математичні моделі
інтелектуальні CRM
ERP системи
spellingShingle Data Science
Big Data
SCORIG машинне навчання
прийняття рішень
багатокритеріальні математичні моделі
інтелектуальні CRM
ERP системи
Pysarchuk, Oleksii
Vasylieva, Maria
Baran, Danylo
Pysarchuk, Illya
Багатокритеріальна математична модель кредитного скорингу в задачах data science
topic_facet Data Science
Big Data
SCORIG machine learning
decision making
multi-criteria mathematical models
intelligent CRM
ERP systems
Data Science
Big Data
SCORIG машинне навчання
прийняття рішень
багатокритеріальні математичні моделі
інтелектуальні CRM
ERP системи
format Article
author Pysarchuk, Oleksii
Vasylieva, Maria
Baran, Danylo
Pysarchuk, Illya
author_facet Pysarchuk, Oleksii
Vasylieva, Maria
Baran, Danylo
Pysarchuk, Illya
author_sort Pysarchuk, Oleksii
title Багатокритеріальна математична модель кредитного скорингу в задачах data science
title_short Багатокритеріальна математична модель кредитного скорингу в задачах data science
title_full Багатокритеріальна математична модель кредитного скорингу в задачах data science
title_fullStr Багатокритеріальна математична модель кредитного скорингу в задачах data science
title_full_unstemmed Багатокритеріальна математична модель кредитного скорингу в задачах data science
title_sort багатокритеріальна математична модель кредитного скорингу в задачах data science
title_alt Multi-criteria mathematical model of credit scoring in data science problems
description A multi-criteria optimization mathematical model of credit scoring is proposed. The model is derived using a nonlinear trade-off scheme to solve multi-criteria optimization problems, allowing for the construction of a Pareto-optimal solution. The proposed approach forms an integrated assessment of a borrower’s creditworthiness based on a structured set of indicators that reflect the financial, credit, and social profile of clients. The model is designed for use in intelligent CRM and ERP systems operating on Big Data and does not rely on labeled training samples, making it applicable to unsupervised learning tasks. It can also serve as a foundational layer for further deep-learning analysis. Methodological steps for implementing the model, from indicator normalization to final decision-making, are described. A technological implementation demonstrates the model’s effectiveness in automated loan decisions and fraud detection.
publisher The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
publishDate 2025
url http://journal.iasa.kpi.ua/article/view/308786
work_keys_str_mv AT pysarchukoleksii multicriteriamathematicalmodelofcreditscoringindatascienceproblems
AT vasylievamaria multicriteriamathematicalmodelofcreditscoringindatascienceproblems
AT barandanylo multicriteriamathematicalmodelofcreditscoringindatascienceproblems
AT pysarchukillya multicriteriamathematicalmodelofcreditscoringindatascienceproblems
AT pysarchukoleksii bagatokriteríalʹnamatematičnamodelʹkreditnogoskoringuvzadačahdatascience
AT vasylievamaria bagatokriteríalʹnamatematičnamodelʹkreditnogoskoringuvzadačahdatascience
AT barandanylo bagatokriteríalʹnamatematičnamodelʹkreditnogoskoringuvzadačahdatascience
AT pysarchukillya bagatokriteríalʹnamatematičnamodelʹkreditnogoskoringuvzadačahdatascience
first_indexed 2025-11-09T02:11:02Z
last_indexed 2025-11-09T02:11:02Z
_version_ 1851774436885135360

Схожі ресурси