Система оцінювання кредитного ризику в сфері P2P позик

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorТригуб, Артем Павлович
dc.date.accessioned2025-06-11T13:40:45Z
dc.date.available2025-06-11T13:40:45Z
dc.date.issued2025
dc.description.abstractМагістерська дисертація: 113 с., 18 рис., 24 табл., 59 посилань, додаток. Об’єктом дослідження є задача оцінювання кредитного ризику при видачі позики в сфері P2P. Предметом дослідження є різні методи машинного навчання для класифікації позичальників на основі історичних даних, зокрема ансамблеві рішення та методи покращення якості базових моделей. Метою роботи є аналіз методів побудови скорингових моделей та розробка системи для прийняття рішень щодо доцільності надання позики. Покращення якості класифікації через модифікацію базових підходів. Запропоновано та реалізовано модель оцінювання кредитного ризику в сфері P2P позик з використанням генетичного алгоритму в якості мета-класифікатора в ансамблях типу беггінгу. Такий підхід більш гнучко оцінює внесок кожного базового класифікатора в остаточному результаті. Проведено порівняння запропонованого рішення з іншими методами машинного навчання, які використовуються при вирішенні такого роду задач, зокрема різними модифікаціями ансамблів на основі дерев рішень.
dc.description.abstractotherMaster's thesis: 113 p., 18 figures, 24 tables, 59 references, appendix. The object of the study is the problem of credit risk assessment when issuing loans in the P2P lending platforms. The subject of research is various machine learning algorithms for classifying borrowers based on historical data, with a particular focus on ensemble approaches and techniques for enhancing the quality of base models. The purpose of the work is to analyze methods for building credit scoring models and develop a decision support system for assessing the approval of issuing a loan, with an emphasis on improving classification accuracy by modifying base algorithms. In this work a credit risk assessment model for the P2P lending platforms is proposed and implemented, using a genetic algorithm as a meta-classifier within bagging ensembles. This approach provides a more flexible evaluation of the contribution of each base classifier to the final prediction. The proposed solution is compared with other machine learning methods used for solving such tasks, particularly different decision tree-based ensemble modifications.
dc.format.extent113 с.
dc.identifier.citationТригуб, А. П. Система оцінювання кредитного ризику в сфері P2P позик : магістерська дис. : 122 Комп'ютерні науки / Тригуб Артем Павлович. - Київ, 2025. - 113 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/74203
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectоцінювання кредитного ризику
dc.subjectp2p платформи
dc.subjectмодифікована модель консенсусу
dc.subjectгенетичний алгоритм
dc.subjectансамблеві рішення
dc.subjectавтокодувальники
dc.subjectградієнтний бустинг
dc.subjectcredit risk assessment
dc.subjectp2p platforms
dc.subjectmodified ensemble consensus model
dc.subjectgenetic algorithm
dc.subjectensemble methods
dc.subjectautoencoders
dc.subjectgradient boosting
dc.subject.udc004.85:004.89:336.77](043.3)
dc.titleСистема оцінювання кредитного ризику в сфері P2P позик
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Tryhub_magistr.pdf
Розмір:
3.01 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ШІ)
Магістерські роботи