Оцінювання кредитних ризиків методами інтелектуального анализу даних

• Опубліковано в: : Системні дослідження та інформаційні технології
• Дата: 2017
• Автори: Данилов, В.Я., Жиров, О.Л., Бідюк, П.І.
• Формат: Стаття
• Мова: Російська
• Опубліковано: Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України 2017
• Теми: Проблеми прийняття рішень і управління в економічних, технічних, екологічних і соціальних системах
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/151062
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Оцінювання кредитних ризиків методами інтелектуального анализу даних / В.Я. Данилов, О.Л. Жиров, П.І. Бідюк // Системні дослідження та інформаційні технології. — 2017. — № 1. — С. 33-48. — Бібліогр.: 9 назв. — укр.

Проаналізовано кредитні ризики фінансових організацій за допомогою методів інтелектуального аналізу даних. Фактичні статистичні дані, які характеризують позичальників кредитів, використано для побудови математичних моделей у формі рівнянь типу логіт, дерев рішень і байєсівських мереж. Якість побудованих моделей проаналізовано за множиною належних статистичних критеріїв, які забезпечують основу для вибору кращої альтернативної моделі. Із використанням двох вибірок банківських даних виконано ряд обчислювальних експериментів і виявлено кращі моделі у формі рівнянь типу логіт і байєсівські мережі. Передбачається розширити множину методів побудови математичних моделей і реалізувати ідею комбінування оцінок, згенерованих за альтернативними методами. Обґрунтовано доцільність розроблення та реалізацію спеціалізованої системи підтримання прийняття рішень для виконання досліджень у галузі оцінювання та прогнозування фінансових ризиків. Проанализированы кредитные риски финансовых организаций с помощью методов интеллектуального анализа данных. Фактические статистические данные, которые характеризуют заемщиков кредитов, использованы для построения математических моделей в форме уравнений типа логит, деревьев решений и байесовских сетей. Качество построенных моделей проанализировано с помощью множества соответствующих статистических критериев, которые дают основание для выбора лучшей альтернативной модели. С использованием двух выборок банковских данных выполнен ряд вычислительных экспериментов и установлено, что лучшими оказались модели типа логит и байесовские сети. Предусматриваются расширение множества методов построения математических моделей и реализация идеи комбинирования оценок, сгенерированных альтернативними методами. Обоснованы целесообразность разработки и реализация специализированной системы поддержки принятия решений для выполнения исследований в сфере оценивания и прогнозирования финансовых рисков. Проанализированы кредитные риски финансовых организаций с помощью методов интеллектуального анализа данных. Фактические статистические данные, которые характеризуют заемщиков кредитов, использованы для построения математических моделей в форме уравнений типа логит, деревьев решений и байесовских сетей. Качество построенных моделей проанализировано с помощью множества соответствующих статистических критериев, которые дают основание для выбора лучшей альтернативной модели. С использованием двух выборок банковских данных выполнен ряд вычислительных экспериментов и установлено, что лучшими оказались модели типа логит и байесовские сети. Предусматриваются расширение множества методов построения математических моделей и реализация идеи комбинирования оценок, сгенерированных альтернативними методами. Обоснованы целесообразность разработки и реализация специализированной системы поддержки принятия решений для выполнения исследований в сфере оценивания и прогнозирования финансовых рисков.