Тимошенко, Юрій ОлександровичЛіхонін, Олег Вячеславович2026-09-302026-09-302026Ліхонін, О. В. Виявлення ключових індикаторів ризику дефолту банків методами машинного навчання : дипломна робота … бакалавра : 122 Комп'ютерні науки / Ліхонін Олег Вячеславович. – Київ, 2026. – 72 с.https://ela.kpi.ua/handle/123456789/83614Дипломна робота: 71 с., 8 рис., 30 посилань, 1 додаток. Об’єктом дослідження є процеси оцінювання фінансової стійкості банківських установ та виявлення ознак їхнього переддефолтного стану. Предметом дослідження є фінансові індикатори та методи машинного навчання, що використовуються для прогнозування ризику дефолту банків. Метою роботи є виявлення ключових індикаторів ризику дефолту банків методами машинного навчання та побудова прогнозної моделі, здатної класифікувати банки за рівнем імовірності переходу до дефолтного стану. У роботі використано методи аналізу фінансової звітності, формування ознак за підходом CAMELS, бінарної класифікації, логістичної регресії, Random Forest, екстремального градієнтного бустингу XGBoost, оцінювання якості моделей за метриками ROC-AUC, PR-AUC, Precision, Recall, F2-score, а також інтерпретації результатів за допомогою SHAP. У результаті дослідження сформовано набір фінансових ознак на основі відкритої звітності НБУ, побудовано та порівняно моделі машинного навчання, обрано фінальну XGBoost-модель, виконано підбір порогу класифікації та визначено найважливіші індикатори дефолтного ризику. Отримані результати можуть бути використані як допоміжний інструмент раннього попередження для ризик-менеджменту, банківського нагляду та аналітичної підтримки ухвалення рішень.72 с.ukдефолт банкумашинне навчанняxgboostrandom forestлогістична регресіяcamelsфінансові індикаториshapкласифікаціяBachelor Thesis