Гібридна модель оцінки кредитного ризику на основі машинного навчання та багатокритеріальної підтримки прийняття рішень

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorБєлік, Андрій Андрійович
dc.date.accessioned2026-01-30T10:03:38Z
dc.date.available2026-01-30T10:03:38Z
dc.date.issued2025
dc.description.abstractОб’єкт дослідження – процес оцінювання кредитного ризику позичальників у банківських та фінтех-системах. Предмет дослідження – методи та алгоритми машинного навчання і багатокритеріальної підтримки прийняття рішень, що використовують для побудови інтегрованої скорингової моделі. Мета роботи – розроблення гібридної моделі оцінки кредитного ризику, яка поєднує прогностичні можливості моделей машинного навчання з методами багатокритеріального аналізу рішень для формування обґрунтованого кредитного скору та підвищення ефективності ухвалення рішень. Результати роботи – створено програмний комплекс, що реалізує гібридну модель оцінювання кредитного ризику. Реалізовано побудову та порівняння моделей машинного навчання для прогнозування ймовірності дефолту, а також інтеграцію їхніх результатів у багатокритеріальну процедуру вибору. Отримано фінальний інструмент, який формує кредитне рішення на основі сукупності показників та забезпечує практичне застосування гібридного підходу. В додатку А наведено лістинг розробленої програми мовою Python із використанням середовища розробки PyCharm
dc.description.abstractotherThe object of the study is the process of assessing credit risk of borrowers in banking and fintech systems. The subject of the study is the set of machine learning methods and multi criteria decision-making techniques used to build an integrated scoring model. The purpose of the thesis is to develop a hybrid credit risk assessment model that combines the predictive capabilities of machine learning algorithms with multi criteria decision analysis to generate a well-grounded credit score and improve decision-making efficiency. The results of the work include the development of a software system implementing a hybrid approach to credit risk evaluation. The system provides functionality for constructing and comparing machine learning models for probability-of-default prediction, as well as integrating their outputs into a multi criteria decision-making procedure. The final tool produces a credit decision based on a combination of indicators and demonstrates the practical applicability of the hybrid methodology. Appendix A contains the listing of the developed software written in Python using the PyCharm development environment.
dc.format.extent110 с.
dc.identifier.citationБєлік, А. А. Гібридна модель оцінки кредитного ризику на основі машинного навчання та багатокритеріальної підтримки прийняття рішень : магістерська дис. : 124 Системний аналіз / Бєлік Андрій Андрійович. – Київ, 2025. – 110 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78562
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectкредитний ризик
dc.subjectскорингова модель
dc.subjectмашинне навчання
dc.subjectймовірність дефолту
dc.subjectметод багатокритеріальної підтримки прийняття рішень
dc.subjectоцінка кредитоспроможності
dc.subject.udc004.942+519.816
dc.titleГібридна модель оцінки кредитного ризику на основі машинного навчання та багатокритеріальної підтримки прийняття рішень
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Bielik_magistr.pdf
Розмір:
2.69 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