Виявлення ключових індикаторів ризику дефолту банків методами машинного навчання
Вантажиться...
Дата
2026
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота: 71 с., 8 рис., 30 посилань, 1 додаток.
Об’єктом дослідження є процеси оцінювання фінансової стійкості банківських установ та виявлення ознак їхнього переддефолтного стану. Предметом дослідження є фінансові індикатори та методи машинного навчання, що використовуються для прогнозування ризику дефолту банків. Метою роботи є виявлення ключових індикаторів ризику дефолту банків методами машинного навчання та побудова прогнозної моделі, здатної класифікувати банки за рівнем імовірності переходу до дефолтного стану. У роботі використано методи аналізу фінансової звітності, формування ознак за підходом CAMELS, бінарної класифікації, логістичної регресії, Random Forest, екстремального градієнтного бустингу XGBoost, оцінювання якості моделей за метриками ROC-AUC, PR-AUC, Precision, Recall, F2-score, а також інтерпретації результатів за допомогою SHAP. У результаті дослідження сформовано набір фінансових ознак на основі відкритої звітності НБУ, побудовано та порівняно моделі машинного навчання, обрано фінальну XGBoost-модель, виконано підбір порогу класифікації та визначено найважливіші індикатори дефолтного ризику. Отримані результати можуть бути використані як допоміжний інструмент раннього попередження для ризик-менеджменту, банківського нагляду та аналітичної підтримки ухвалення рішень.
Опис
Ключові слова
дефолт банку, машинне навчання, xgboost, random forest, логістична регресія, camels, фінансові індикатори, shap, класифікація
Бібліографічний опис
Ліхонін, О. В. Виявлення ключових індикаторів ризику дефолту банків методами машинного навчання : дипломна робота … бакалавра : 122 Комп'ютерні науки / Ліхонін Олег Вячеславович. – Київ, 2026. – 72 с.