Оцінювання кредитних ризиків малих і середніх підприємств методами інтелектуального аналізу даних (Estimation of sme credit risks by data mining methods)

Матвійчук, Андрій (Andriy Matviychuk) and Артюх, Ольга (Olha Artiukh) (2022) Оцінювання кредитних ризиків малих і середніх підприємств методами інтелектуального аналізу даних (Estimation of sme credit risks by data mining methods). Наукові записки Національного університету «Острозька академія». Серія «Економіка»: науковий журнал (26(54)). pp. 114-120. ISSN 2311-5149

[thumbnail of 18.pdf] PDF - Published Version
Available under License Creative Commons Attribution.

Download (507kB)

Abstract

Стаття присвячена вирішенню науково-практичного завдання моделювання кредитних ризиків позичальників
комерційних банків – малих і середніх підприємств із застосуванням методів інтелектуального аналізу даних, а саме:
нейромереж персептронного типу, logit-регресій та дерев прийняття рішень. У статті здійснюється порівняльний
аналіз ефективності зазначеного інструментарію при вирішенні поставленої задачі. Проведені експериментальні
розрахунки продемонстрували найбільшу придатність для оцінювання ризиків кредитування підприємств методів
штучного інтелекту, а саме нейромережі типу персептрон. Результатом дослідження є рекомендації щодо застосування побудованої скорингової моделі в банківській діяльності з метою зниження рівня ризиковості кредитних
операцій для малого і середнього бізнесу.
(The article is devoted to solving the scientific and practical problem of modeling credit risks of borrowers of commercial
banks – small and medium enterprises (SME). SME lending in Ukraine is characterized by high risk but the need for lending
is increasing and essential, which is due to the socio-economic importance of SMEs. That is why there is a need to use
methods and models of intelligent data analysis. Using data mining methods, that are perceptron-type neural networks,
logistic regressions and decision trees, researched and analyzed in this paper. The database of bank borrowers was used for
the research. In particular, 21 financial and economic indicators of enterprise activity were used for modeling. The article
carries out a comparative effectiveness analysis of these tools in solving stated problem. During the research, the general
population of data was randomly divided into a general and a test sample, and each of them kept the proportion of default
units. The experimental calculations demonstrated the greatest suitability for assessing the risks of lending of enterprises the
AI methods, namely neural nets of perceptron type. To compare the results of the models, the following values were used:
common accuracy, AUC, GINI, specificity, sensitivity. The most significant parameters for the models are also indicated. The
study results in recommendations for the application of the built scoring model in banking in order to reduce the level of SME
credit operations riskiness.)

Item Type: Article
Additional Information: DOI: 10.25264/2311-5149-2022-26(54)-114-120
Uncontrolled Keywords: МСБ, кредитний ризик, нейромережа, дерево рішень, logit-регресія (SME, credit risk, neural network, decision tree, logistic regression)
Subjects: by fields of science > Economics
Divisions: The College of Economics Management
Depositing User: Галина Цеп'юк
Date Deposited: 07 Nov 2022 08:19
Last Modified: 07 Nov 2022 08:19
URI: https://eprints.oa.edu.ua/id/eprint/8760

Actions (login required)

View Item View Item