Ідентифікація дефолтних клієнтів банку методами машинного навчання на основі біннінгу показників (Identification of the bank’s default clients by machine learning methods on the basis of binning)

Клебан, Ю. (Y. Kleban) and Горошко, Н. (N.Horoshko) (2021) Ідентифікація дефолтних клієнтів банку методами машинного навчання на основі біннінгу показників (Identification of the bank’s default clients by machine learning methods on the basis of binning). Економічний аналіз, т. 31 (№ 1). pp. 133-142.

PDF - Published Version Download (1MB)

Анотація

Вступ. В умовах сучасної глобальної кризи проблема якості кредитних портфелів банків є актуальною темою досліджень. Серед методів ефективного управління кредитними ризиками є оцінка кредитоспроможності позичальника. Підвищення якості аналізу сильних та слабких сторін контрагента зменшить виникнення непередбачуваних ризиків у процесі проведення кредитних операцій. З огляду на важливість ролі оцінки кредитоспроможності для прийняття рішень, виникає необхідність покращення та вибору методики, що забезпечить якомога точнішу класифікацію клієнтів банку. Мета. Метою роботи є вибір найкращого методу прогнозування імвірності дефолту клієнтів комерційного банку на основі аналізу підходів та тестування побудованих моделей. Метод (методологія). У статті розглянуто методологічні підходи до моделювання неплатоспроможності клієнтів банку та визначення ймовірностей повернення кредитних коштів на основі біннігу показників. Також у роботі побудовані моделі оцінки кредитного ризику, що ґрунтуються на використанні logit- та probit-регресій, алгоритму екстремального градієнтного бустінгу та штучних нейронних мереж. Проведено порівняльний аналіз ефективності застосування використовуваних підходів. Результати. Отримані результати продемонстрували високу точність моделей та їх здатність ідентифікувати некредитоспроможних клієнтів. Висновки проведеного дослідження та оцінені математичні підходи можуть бути впроваджені в роботу банківських структур та інших кредитних установ для запобігання збільшенню обсягів проблемних заборгованостей у їхніх кредитних портфелях.
(In the current global crisis, the problem of the quality of banks’ loan portfolios is a topical issue. Among the methods of effective credit risk management is the assessment of the borrower’s creditworthiness. Improving the quality of analysis of the strengths and weaknesses of the counterparty will reduce the occurrence of unforeseen risks in the process of conducting credit operations. Given the importance of the role of creditworthiness assessment for decisionmaking, there is a need to improve and choose a methodology that will ensure the most accurate classification of the bank’s clients. Purpose. The aim of the work is to choose the best method for predicting the probability of default of commercial bank customers based on the analysis of approaches and testing of the built models. Method (methodology). The paper considers methodological approaches to modeling the insolvency of bank customers and determining the probability of repayment of loans based on binning indicators. Also, the credit risk assessment models based on the use of logit and probit regressions, the algorithm of extreme gradient boosting and artificial neural networks are constructed. The comparative analysis of the efficiency of the application of the used approaches is carried out. Results. The obtained results demonstrated the high accuracy of the models and their ability to identify non-creditworthy customers. The findings of the study and evaluation of mathematical approaches can be implemented in the work of banking structures and other credit institutions to spread the amount of problem fees in their loan portfolios.)

Тип файлу:	Стаття
Ключові слова:	математична модель; біннінг; logit-регресія; нейронна мережа; градієнтний бустінг; кредитоспроможність; позичальник (model; binning; logit regression; neural network; gradient boosting; creditworthiness; individual borrower)
Теми:	За напрямами > Математика та природничі науки
Підрозділи:	Економічний факультет > Кафедра економіко-математичного моделювання та інформаційних технологій
Розмістив/ла:	заввідділу Наталя Денисенко
Дата розміщення:	02 Гру 2025 07:56
Остання зміна:	02 Гру 2025 07:56
URI:	https://eprints.oa.edu.ua/id/eprint/10286

Actions (login required)

Переглянути елемент