Система аналізу платоспроможності клієнта

Скорочена інформація про документ
dc.contributor.advisorТкаченко, Валентина Василівна
dc.contributor.authorЛєпьошкін, Марко Євгенович
dc.date.accessioned2020-01-14T13:32:56Z
dc.date.available2020-01-14T13:32:56Z
dc.date.issued2019
dc.description.abstractenStructure and scope of master's thesis: master's thesis is presented on 106 pages, consists of introduction, 4 sections, conclusion, contains 40 figures, 25 tables, 20 formulas, a bibliography of 45 titles on 4 pages. Relevance of work: for credit solvency classification problems using the credit scoring method, there are many approaches, both on the basis of mathematical statistics and on the basis of neural networks and genetic algorithms. However, some of the complexity of the problem is given by the pre-generation of data to build a classification model - the amount of actual data imposes some restrictions on the choice of approach to solving the problem. There is some set of methods that can overcome the limitations in the amount of training dataset, but there is a problem with dynamic calibration of the model during system operation. Also, you need to take into account the features of a particular type of client for classification. The Logistic Regression Credit Score Model allows you to build a scalable and integrative system that supports multiple sets of classification rules. This approach takes precedence over other methods when the training dataset is relatively small, and provides optimal system performance. Purpose: to create a fault-tolerant distributed system of customer solvency analysis with optimal parameters of classification accuracy and performance. Research Objectives: 1. To analyze modern methods of creation of high-precision scoring models and systems based on them. 2. Develop a scoring model based on multifactor logistic regression. 3. Develop a customer solvency assessment system based on the model created and test it. 4. Develop a startup project. Research Object: credit score models. Subject of research: methods of creation of scoring classification models, high classification accuracy and productivity, applicability of these methods to applied problems. Research methods: methods of statistical processing of data, methods of data normalization, theory of credit scoring, theory of risk assessment.uk
dc.description.abstractukСтруктура i обсяг роботи: магістерська дисертація викладена на 106 cторiнкаx, cкладаєтьcя зі вступу, 4 розділів, висновку, містить 40 рисунків, 25 таблиць, 20 формул, список використаних джерел із 45 найменувань на 4 cторiнкаx. Актуальність роботи. Для задач класифікації платоспроможності клієнта за допомогою методові кредитного скорінгу існує велика кількість підходів, як на базі математичної статистики, так і на базі нейронних мереж і генетичних алгоритмів. Проте, певну складність задачі надає попереднє формування даних для побудови моделі класифікації – об’єм актуальних даних накладає певні обмеження на вибір підходу до вирішення задачі. Існує певний набір методів, які здатні подолати обмеження у вигляді об’єму навчального набору даних, проте постає проблема динамічного калібрування моделі у ході роботи системи. Також, необхідно брати до уваги особливості того чи іншого типу клієнтів для класифікації. Модель кредитного скорінгу на базі логістичної регресії дозволяє побудувати систему, здатну до масштабування та інтегрування, яка підтримувати одночасно декілька наборів правил класифікації. Цей підхід має перевагу над іншими методами, коли навчальний набор даних є відносно невеликим, та забезпечує оптимальну за швидкодією роботу системи. Мета роботи: створення відмовостійкої розподіленої системи аналізу платоспроможності клієнта з оптимальними параметрами точності класифікації та швидкодії. Завдання досліджень: 1. Проаналізувати сучасні методи створення скорінгових високоточних моделей та систем, що на них базуються. 2. Розробити скорінгову модель на базі багатофакторної логістичної регресії. 3. Розробити систему оцінки платоспроможності клієнта на базі створеної моделі та протестувати її. 4. Розробити стартап-проєкт. Об’єкт дослідження: класифікаційні моделі кредитного скорінгу. Предмет дослідження: методи створення скорінгових класифікаційних моделей, висока класифікаційна точність та продуктивність, застосовність даних методів до прикладних задач. Методи дослідження: методи статистичного опрацювання даних, методи нормалізації даних, теорія кредитного скорінгу, теорія оцінки ризиківuk
dc.format.page106 с.uk
dc.identifier.citationЛєпьошкін, М. Є. Система аналізу платоспроможності клієнта : магістерська дис. : 121 Інженерія програмного забезпечення / Лєпьошкін Марко Євгенович. – Київ, 2019. – 106 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/30794
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectкредитний скорінгuk
dc.subjectлогістична регресіяuk
dc.subjectаналіз ризиківuk
dc.subjectаналіз данихuk
dc.subjectнормалізація данихuk
dc.subjectвідмовостійки системиuk
dc.subjectбізнес-аналітикаuk
dc.subjectмашинне навчанняuk
dc.subjectcredit scoringuk
dc.subjectlogistic regressionuk
dc.subjectrisk analysisuk
dc.subjectdata analysisuk
dc.subjectdata normalizationuk
dc.subjectsystem failuresuk
dc.subjectbusiness analyticsuk
dc.subjectmachine learninguk
dc.subject.udc004.67uk
dc.titleСистема аналізу платоспроможності клієнтаuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Leloshkin_magistr.docx
Розмір:
6.89 MB
Формат:
Microsoft Word XML
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ОТ)
Магістерські роботи