Оцінювання кредитних ризиків методами інтелектуального аналізу даних

Скорочена інформація про документ
dc.contributor.authorДанилов, Валерій Якович
dc.contributor.authorЖиров, Олександр Леонідович
dc.contributor.authorБідюк, Петро Іванович
dc.contributor.authorDanylov, Valery Ya.
dc.contributor.authorJirov, Alex L.
dc.contributor.authorBidyuk, Petro I.
dc.contributor.authorДанилов, Валерий Яковлевич
dc.contributor.authorЖиров, Александр Леонидович
dc.contributor.authorБидюк, Петр Иванович
dc.date.accessioned2017-07-06T12:03:35Z
dc.date.available2017-07-06T12:03:35Z
dc.date.issued2017
dc.description.abstractenIn this research, credit risks are analyzed for financial organizations using data mining techniques applied to actual data. The two sets of actual statistical data characterizing the borrowers are employed for constructing mathematical models in the form of the nonlinear logit regression, decision trees, and Bayesian networks. The constructed models are analyzed with a set of appropriate statistical criteria, providing a basis for selecting the best alternative model. A series of computational experiments have been carried out using the two sets of actual statistical data from a Ukrainian bank. As a result of the performed computations, it was established that the best models in this application turned out to be nonlinear logit equations and Bayesian networks. In the future studies, we suppose to expand the number of model constructing techniques and to apply the idea of combining the estimates generated by the alternative models. Also, a specialized decision support system is to be constructed for the purpose of carrying research in the area of financial risks estimation and prediction.uk
dc.description.abstractruПроанализированы кредитные риски финансовых организаций с помощью методов интеллектуального анализа данных. Фактические статистические данные, которые характеризуют заемщиков кредитов, использованы для построения математических моделей в форме уравнений типа логит, деревьев решений и байесовских сетей. Качество построенных моделей проанализировано с помощью множества соответствующих статистических критериев, которые дают основание для выбора лучшей альтернативной модели. С использованием двух выборок банковских данных выполнен ряд вычислительных экспериментов и установлено, что лучшими оказались модели типа логит и байесовские сети. Предусматриваются расширение множества методов построения математических моделей и реализация идеи комбинирования оценок, сгенерированных альтернативними методами. Обоснованы целесообразность разработки и реализация специализированной системы поддержки принятия решений для выполнения исследований в сфере оценивания и прогнозирования финансовых рисков.uk
dc.description.abstractukПроаналізовано кредитні ризики фінансових організацій за допомогою методів інтелектуального аналізу даних. Фактичні статистичні дані, які характеризують позичальників кредитів, використано для побудови математичних моделей у формі рівнянь типу логіт, дерев рішень і байєсівських мереж. Якість побудованих моделей проаналізовано за множиною належних статистичних критеріїв, які забезпечують основу для вибору кращої альтернативної моделі. Із використанням двох вибірок банківських даних виконано ряд обчислювальних експериментів і виявлено кращі моделі у формі рівнянь типу логіт і байєсівські мережі. Передбачається розширити множину методів побудови математичних моделей і реалізувати ідею комбінування оцінок, згенерованих за альтернативними методами. Обґрунтовано доцільність розроблення та реалізацію спеціалізованої системи підтримання прийняття рішень для виконання досліджень у галузі оцінювання та прогнозування фінансових ризиків.uk
dc.format.pagerangeС. 33-48uk
dc.identifier.citationДанилов В. Я. Оцінювання кредитних ризиків методами інтелектуального аналізу даних / В. Я. Данилов, О. Л. Жиров, П. І. Бідюк // Системні дослідження та інформаційні технології : міжнародний науково-технічний журнал. – 2017. – № 1. – С. 33–48. – Бібліогр.: 9 назв.uk
dc.identifier.doihttps://doi.org/10.20535/SRIT.2308-8893.2017.1.03
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/19974
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.sourceСистемні дослідження та інформаційні технології : міжнародний науково-технічний журнал, № 1uk
dc.status.pubpublisheduk
dc.subjectкредитний ризикuk
dc.subjectстатистичні даніuk
dc.subjectлогіт-модельuk
dc.subjectбайєсівські мережіuk
dc.subjectпараметри якості моделейuk
dc.subjectcredit riskuk
dc.subjectstatistical datauk
dc.subjectlogit modeluk
dc.subjectBayesian networksuk
dc.subjectmodel quality parametersuk
dc.subjectкредитный рискuk
dc.subjectстатистические данныеuk
dc.subjectлогит-модельuk
dc.subjectбайесовские сетиuk
dc.subjectпараметры качества моделейuk
dc.subject.udc519.226, 330.322uk
dc.titleОцінювання кредитних ризиків методами інтелектуального аналізу данихuk
dc.title.alternativeEstimation of credit risks using the data mining methodsuk
dc.title.alternativeОценивание кредитных рисков методами интеллектуального анализа данныхuk
dc.typeArticleuk
thesis.degree.levelmasteruk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
GM_3Danylov_Bidyuk_Zhyrov_N1_2017.pdf
Розмір:
476.51 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.8 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Системні дослідження та інформаційні технології: міжнародний науково-технічний журнал, № 1