Система оцінки та прогнозування кредитних ризиків у банківському секторі

Скорочена інформація про документ
dc.contributor.advisorШубенкова, Ірина Анатоліївна
dc.contributor.authorСумін, Олександр Олександрович
dc.date.accessioned2024-02-14T09:55:08Z
dc.date.available2024-02-14T09:55:08Z
dc.date.issued2024
dc.description.abstractУ світлі зростання попиту на кредитування, передбачення кредитних ризиків стає пріоритетним завданням для банків та інших кредитних установ. Прогнозування дефолту та оцінка кредитних збитків визначають основні аспекти кредитної політики, спрямовані на забезпечення фінансової стійкості та відповідального кредитування. В даному контексті використовуються різноманітні методи, серед цих методів важливе місце належить статистичним моделям та методам машинного навчання. Сучасні технології дозволяють аналізувати обширні фінансові дані та враховувати низку факторів, що впливають на кредитоспроможність клієнтів. Об’єкт дослідження: процес кредитування та управління кредитними ризиками для забезпечення фінансової стабільності банків, підприємств та держави. Предмет дослідження: моделі машинного навчання та методи статистичного аналізу виживаності в задачі прогнозування та оцінки кредитних ризиків. Мета роботи: розробка ефективної стратегії управління кредитним ризиком за допомогою прогнозування дефолту та збитків в банківській сфері за допомогою машинного навчання та статистичних методів аналізу виживаності. На мові Python створено програмний продукт для прогнозування та оцінки кредитних ризиків.
dc.description.abstractotherIn face of the growing demand for credit, forecasting credit risks is becoming a priority for banks and other credit institutions. Default forecasting and credit loss assessment determine the main aspects of credit policy aimed at ensuring financial stability and responsible lending. A variety of methods are used in this context, with statistical models and machine learning techniques taking an important place among them. Modern technologies make it possible to analyze extensive financial data and take into account a number of factors that affect the creditworthiness of customers. The object of research: the process of lending and credit risk management to ensure the financial stability of banks, enterprises and the state. The subject of research: machine learning models and methods of statistical analysis of survival in the task of forecasting and assessing credit risks. The purpose of the work is to develop an effective strategy for managing credit risk by predicting default and losses in the banking sector using machine learning and statistical methods of survival analysis. A software product for forecasting and assessing credit risks was created in Python.
dc.format.extent102 с.
dc.identifier.citationСумін, О. О. Система оцінки та прогнозування кредитних ризиків у банківському секторі : магістерська дис. : 124 Системний аналіз / Сумін Олександр Олександрович. - Київ, 2024. - 102 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/64542
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectсистемний аналіз
dc.subjectкредитні ризики
dc.subjectмашинне навчання
dc.subjectмоделі виживання
dc.subjectsystem analysis
dc.subjectcredit risks
dc.subjectmachine learning
dc.subjectsurvival models
dc.subject.udc004.852, 51.77
dc.titleСистема оцінки та прогнозування кредитних ризиків у банківському секторі
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Sumin_magistr.pdf
Розмір:
1.28 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 (ММСА)
Магістерські роботи