Математичні методи оцінки кредитоспроможності позичальника
Вантажиться...
Дата
2021
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Роль кредитної політики комерційного банку важко переоцінити, оскільки вона дозволяє забезпечити формування відповідного кредитного портрету банку, визначити оптимальну організацію його кредитного процесу та визначити оптимальний спосіб управління його активами. Ефективність кредитної політики напряму залежить від актуальності теоретичних та практичних засад пов’язаних з її формуванням. В процесі надання кредиту враховуються багато факторів. До них відносяться характеристики позичальник, його економічне становище, сума позики, на яку він претендує, призначення кредиту (тобто що буде фінансуватися за рахунок позики) і вид забезпечення. Різноманітність цих факторів означає, що ризик оцінюється з використанням елементів кількісного та якісного аналізу.
Актуальність дослідження оцінки кредитоспроможності полягає в тому, що в період розповсюдження вірусу COVID- 19, за прогнозами Центрального Європейського Банку, основною загрозою банківській сфері будуть слугувати саме проблемні кредити. Зважаючи на високий відсоток непрацюючих кредитів в українських комерційних банках тема кредитного скорингу набуває нової актуальності.
Метою роботи є оцінити стан ринку споживчого кредитування в Україні, проаналізувати класичні системи та скорингові моделі оцінки кредитоспроможності позичальника банку.
Об’єктом дослідження даної роботи є процес управління кредитної діяльності банку. Предметом дослідження роботи є діяльність комерційних банків, ситуацій, які виникають в процесі діяльності банку, та велика кількість ризиків, що притаманні його діяльності.
Було побудовано та застосовано декілька моделей для оцінки кредитоспроможності позичальника, проведено якісний аналіз кожної з моделей. В свою чергу, кожна з моделей належить до сучасних методів машинного навчання Застосування моделей проведено на основі мови програмування R. Для удосконалення результативності моделей на даних було застосовано єдиний в своєму роді пакет CleanLab в Python. Таким чином був проведений не тільки аналіз методів, але і вхідних даних. В роботі також були розглянуті недоліки та переваги застосування методів машинного навчання.
Результати дослідження є актуальними і можуть бути використані сучасними банками для визначення кредитоспроможності позичальника.
Опис
Ключові слова
кредит, кредитоспроможність, непрацюючі кредити, кредитний скоринг, комерційний банк, дерева рішення, логістична регресія, дискримінантний аналіз, машинне навчання, чистка маркувань, credit, creditworthiness, non-performing loans, credit scoring, commercial bank, decision trees, logistic regression, discriminant analysis, machine learning, labels cleaning
Бібліографічний опис
Шевченко, А. П. Математичні методи оцінки кредитоспроможності позичальника : дипломна робота ... бакалавра : 051 Економіка / Шевченко Анна Павлівна. - Київ, 2021. - 102 с.