Система підтримки прийняття рішень для управління кредитними ризиками банку

Скорочена інформація про документ
dc.contributor.advisorЖиров, Олександр Леонідович
dc.contributor.authorГальцева, Анастасія Євгенівна
dc.date.accessioned2021-12-06T10:33:40Z
dc.date.available2021-12-06T10:33:40Z
dc.date.issued2021
dc.description.abstractenThesis: 111 pages, 52 figures, 9 tables, 2 appendices, 30 sources. The object of the study is a set of statistical data on consumer loans provided by the bank to individuals. Subject of research: application of machine learning algorithms to tasks that take place in the framework of credit scoring. The purpose of this work is to study and improve existing methods of constructing scoring models and to develop a decision support system for assessing the creditworthiness of individuals using the method of logistic regression. The paper considers the process of analytical forecasting of credit results based on machine learning methods. An overview of modern models of machine learning and methods of their construction, the process of data preparation and review of data on credit cases and the construction of models based on these data. The results of modeling and evaluation of the most effective model of machine learning for building a decision-making system based on it were analyzed for a reasonable choice. The result is the definition of credit scoring methods and the development of the architecture of the decision support system for lending in financial institutions.uk
dc.description.abstractukДипломна робота: 111 ст., 52 рис, 9 табл., 2 дод., 30 джерел. Об’єкт дослідження - набір статистичних даних щодо наданих банком споживчих кредитів фізичним особам. Предмет дослідження: застосування алгоритмів машинного навчання до задач, що мають місце в рамках кредитного скорингу. Мета даної роботи полягає у дослідженні та вдосконаленні існуючих методик побудови скорингових моделей та розробці системи підтримки прийняття рішень для оцінювання кредитоспроможності фізичних осіб з використанням машинного навчання. У роботі розглядається процес аналітичного прогнозування результату кредитів на основі методів машинного навчання. Наведено огляд сучасних моделей машинного навчання і методику іх побудови, процес підготовки даних і огляд даних щодо кредитних випадків і побудова моделей на основі цих даних. Було проаналізовано результати моделювання задля вибору оптимальної моделі машинного навчання для побудови на її основі системи підтримки прийняття рішень. Результатом роботи є визначення методів кредитного скорингу та розробка архітектури системи підтримки прийняття рішення щодо надання кредитів у фінансових організаціях.uk
dc.format.page110 с.uk
dc.identifier.citationГальцева, А. Є. Система підтримки прийняття рішень для управління кредитними ризиками банку : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Гальцева Анастасія Євгенівна. – Київ, 2021. – 110 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/45445
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectкредитуванняuk
dc.subjectпопередження дефолтуuk
dc.subjectкредитний скорингuk
dc.subjectмоделі машинного навчанняuk
dc.subjectаналіз якості моделейuk
dc.subjectcreditinguk
dc.subjectdefault preventionuk
dc.subjectcredit scoringuk
dc.subjectmachine learning modelsuk
dc.subjectmodel quality analysisuk
dc.titleСистема підтримки прийняття рішень для управління кредитними ризиками банкуuk
dc.typeBachelor Thesisuk

Файли

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

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи