Інформаційна система з використанням ансамблевих моделей для оцінки кредитних ризиків

Скорочена інформація про документ
dc.contributor.advisorГуськова, Віра Геннадіївна
dc.contributor.authorХалімончук, Ростислав Анатолійович
dc.date.accessioned2026-02-03T10:10:12Z
dc.date.available2026-02-03T10:10:12Z
dc.date.issued2025
dc.description.abstractОб’єкт дослідження – процес оцінки кредитних ризиків позичальниківу фінансових інформаційних системах. Предмет дослідження – методи машинного навчання та ансамблеві моделі, що застосовуються для прогнозування ймовірності дефолту позичальників. Мета роботи – розробити та дослідити інформаційну систему з використанням ансамблевих моделей машинного навчання для підвищення точності оцінки кредитних ризиків. Методи дослідження – аналіз і попередня обробка даних, методи машинного навчання, ансамблеві підходи (стекінг, блендинг, гібридні та геометричні методи), метрики оцінювання якості класифікації (Precision, Recall, F1-score, Accuracy). Основні результати – розроблено інформаційну систему для оцінки кредитного ризику на основі базових і ансамблевих моделей; проведено експериментальне порівняння різних підходів до прогнозування дефолту; встановлено, що застосування ансамблевих методів дозволяє покращити узгодженість прогнозів і підвищити якість оцінки кредитних ризиків порівняно з окремими базовими моделями. Отримані результати підтверджують доцільність використання ансамблевих моделей у задачах кредитного скорингу.
dc.description.abstractotherThe object of the study is the process of assessing borrowers' credit risks in financial information systems. The subject of the study is machine learning methods and ensemble models used to predict the probability of borrower default. The purpose of the work is to develop and investigate an information system using ensemble machine learning models to improve the accuracy of credit risk assessment. Research methods: data analysis and preprocessing, machine learning methods, ensemble approaches (stacking, blending, hybrid and geometric methods), classification quality assessment metrics (Precision, Recall, F1-score, Accuracy). Main results: an information system for credit risk assessment based on basic and ensemble models has been developed; an experimental comparison of different approaches to default prediction has been conducted; it has been established that the use of ensemble methods improves the consistency of predictions and increases the quality of credit risk assessment compared to individual basic models. The results confirm the feasibility of using ensemble models in credit scoring tasks.
dc.format.extent134 с.
dc.identifier.citationХалімончук, Р. А. Інформаційна система з використанням ансамблевих моделей для оцінки кредитних ризиків : магістерська дис. : 124 Системний аналіз / Халімончук Ростислав Анатолійович. – Київ, 2025. – 134 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78606
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectкредитний ризик
dc.subjectкредитний скоринг
dc.subjectмашинне навчання
dc.subjectансамблеві методи
dc.subjectпрогнозування дефолту
dc.subjectінформаційна система
dc.subjectстекінг
dc.subjectблендинг
dc.subjectгібридна модель
dc.subjectгеометричний метод
dc.subject.udc303.732.4
dc.titleІнформаційна система з використанням ансамблевих моделей для оцінки кредитних ризиків
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Khalimonchuk_magistr.pdf
Розмір:
3.86 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