Кузнєцова, Наталія ВолодимирівнаКарсунцева, Єлизавета Вадимівна2020-03-122020-03-122019-12Карсунцева, Є. В. Система оцінювання кредитоспроможності позичальників з використанням методів інтелектуального аналізу даних : магістерська дис. : 124 Системний аналіз / Карсунцева Єлизавета Вадимівна. – Київ, 2019. – 96 с.https://ela.kpi.ua/handle/123456789/32215Магістерська дисертація: 96с., 30 рис., 30 табл., 2 додатки, 23 джерел. Актуальність теми: Кредитний ризик банківської установи як один з видів банківських ризиків є головним об'єктом уваги фінансово-кредитних установ. Кредитна політика банків має обов'язково враховувати ці ризики, запобігати їх виникненню та кваліфіковано ними управляти, тобто зводити до мінімуму можливі негативні наслідки проведення кредитних операцій. У зв’язку з нинішнім кризовим станом у банківській сфері постає нагальним застосування та розробка нових більш досконалих методів оцінювання кредитних ризиків і кредитоспроможності осіб. Мета даної роботи полягає у дослідженні та вдосконаленні існуючих методик побудови скорингових моделей та розробці системи підтримки прийняття рішень для оцінювання кредитоспроможності фізичних осіб з використанням методу логістичної регресії. Об’єкт дослідження: база даних з аплікаційними характеристиками клієнтів. Предмет дослідження: моделі і методи оцінювання кредитоспроможності позичальників. Методи дослідження: метод логістичної регресії, метод максимальної правдоподібності, метод градієнтного спуску. Програмний продукт реалізований за допомогою мови програмування С# у середовищі розробки Microsoft Visual Studio 2012. Для порівняльного аналізу отриманих результатів були побудовані моделі у вигляді дерев рішень і скорингової карти в системі SAS Enterprise Miner. Отримані результати: розроблено систему підтримки прийняття рішень для прогнозування кредитоспроможності фізичних осіб з використанням методу логістичної регресії та методу максимальної правдоподібності.ukкредитоспроможністькредитний скоринглогістична регресіяточність моделііндекс ginicreditworthinesscredit scoringaccuracy of the modellogistic regressionindex giniMaster Thesis96 с.004.4