Скорингові методи оцінки ризику для запобігання кредитного шахрайства
dc.contributor.advisor | Каніовська, Ірина Юріївна | |
dc.contributor.author | Зубко, Марія Андріївна | |
dc.date.accessioned | 2021-03-02T12:13:21Z | |
dc.date.available | 2021-03-02T12:13:21Z | |
dc.date.issued | 2020-12 | |
dc.description.abstracten | The master thesis: 77 p., 4 s., 25 tabl., 42 fig., 1 appendix, 16 references. The object of the study – historical data with transactions of legal entities and information on whether the client is a fraud or not. The subject of the study – methods of forecasting and construction of a scorecard. The purpose of the study – to analyze the object of study, build and test forecasting models, compare results. Methods of the study - method of variables binning: method of monotonic optimal binning; forecasting method: logistic regression and logistic regression using cross-validation. The relevance of the study – a consumer lending, especially express lending, provides an almost instant decision. Due to emergence of frauds who aim to get money in the bank and not to return it, as well as the constant improvement of their actions, it is very important to be able to quickly and efficiently recognize and prevent these actions. Novelty - in contrast to the manual approach, automated scoring saves resources, eliminates employee bias and errors due to the human factor. The results of the study – a logistic regression model was built, the results of which were improved by cross-validation and a scoring map was formed. | uk |
dc.description.abstractuk | Магістерська дисертація: 77 с., 4 ч., 25 табл., 42 рис., 1 дод., 16 джерел. Об’єкт дослідження – історичні дані по транзакціям юридичних осіб та інформацією про те, чи є клієнт шахраєм, чи ні. Предмет дослідження – методи прогнозування і побудови скорингової карти. Мета дослідження – проаналізувати об’єкт дослідження, побудувати і протестувати моделі прогнозування, провести порівняння результатів. Методи дослідження – метод розбиття змінних на групи: метод монотонного оптимального розбиття; метод прогнозування: логістична регресія та логістична регресія з використанням крос-валідації. Актуальність – споживче кредитування, особливо експрес-кредитування передбачає практично миттєве рішення по видачі кредитів. В зв'язку з появою шахраїв, які мають на меті отримати гроші в банку і не повертати, а також постійним вдосконаленням їх дій, дуже важливо вміти швидко та якісно розпізнавати та попереджати ці дії. Новизна – на відміну від ручного підходу, автоматизований скоринг дозволяє зекономити ресурси, унеможливити упередженість співробітників та помилки через людський фактор. Результати дослідження – була побудована модель логістичної регресії, результати якої були покращені за допомогою крос-валідації та сформована скорингова карта. | uk |
dc.format.page | 77 с. | uk |
dc.identifier.citation | Зубко, М. А. Скорингові методи оцінки ризику для запобігання кредитного шахрайства : магістерська дис. : 124 Системний аналіз / Зубко Марія Андріївна. - Київ, 2020. - 77 с. | uk |
dc.identifier.uri | https://ela.kpi.ua/handle/123456789/39736 | |
dc.language.iso | uk | uk |
dc.publisher | КПІ ім. Ігоря Сікорського | uk |
dc.publisher.place | Київ | uk |
dc.subject | кредитне шахрайство | uk |
dc.subject | крос-валідація | uk |
dc.subject | логістична регресія | uk |
dc.subject | метод монотонного оптимального розбиття, | uk |
dc.subject | скорингова карта | uk |
dc.subject | фрод-скоринг | uk |
dc.subject | credit fraud | uk |
dc.subject | cross validation | uk |
dc.subject | logistic regression | uk |
dc.subject | method of monotonic optimal binning | uk |
dc.subject | scorecard | uk |
dc.subject | frod scoring | uk |
dc.subject.udc | 004.942 | uk |
dc.title | Скорингові методи оцінки ризику для запобігання кредитного шахрайства | uk |
dc.type | Master Thesis | uk |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- Zubko_magistr.pdf
- Розмір:
- 2.91 MB
- Формат:
- Adobe Portable Document Format
- Опис:
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 9.01 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: