Моделирование механизмов кредитования физических лиц на основе алгоритмов классификации на примере микрофинансовой организации

<p>Тема работы: &laquo;Моделирование механизмов кредитования физических лиц на основе алгоритмов классификации на примере микрофинансовой организации&raquo;.</p><p>Объем выпускной квалификационной работы 57 страниц, включая 14 рисунков и 16 таблиц, но, не включая приложения.</p><p>Целью работы является построение методик объективной и достоверной системы оценки надежности заемщика микрофинансовой организации с помощью алгоритмов классификации</p><p>В результате проведённых исследований в рамках выпускной квалификационной работы были получены следующие результаты.</p><p>В первой главе были изучены имеющиеся доступные публикации о скоринге, его применении и методикам построения.&nbsp; Под методиками построения понимаются статистические методы и алгоритмы классификаций, которые ничем не уступают друг другу, и могут применяться как вместе, так и по отдельности в зависимости от политики организации, использующей скоринговую модель.</p><p>Во второй главе были более детально рассмотрены известные подходы моделирования системы оценок, которые позволяют определить &laquo;качество&raquo; потенциальных заемщиков, описан механизм самого оценивания &ndash; промежуточный этап между входными данными (характеристиками заемщика) и зависимой переменной (статус займа).</p><p>В третье главе был описан весь механизм сбора и обработки информации для дальнейшего исследования, разделение генеральной совокупности на обучающую и тестовую выборки, на которых проводились эксперименты по применимости различных методов задач классификаций и тестирование полученных результатов соответственно.</p><p>Для статистическо-математических расчетов были применены методы, рассматриваемые в главе 2.</p><p>В результате проведения актуального исследования нами были получены приемлемые результаты по каждому из предложенных методов, из чего можно сделать вывод, что имеющиеся методы решения задач классификации для кредитной отрасли и прочих отраслей могут быть применены и для микрофинансовых организаций. Помимо этого с помощью логит- и пробит-регрессий были полученный индивидуальные коэффициенты оценок для характеристик заемщика, которые позволяют оценить влияние каждой характеристики, чем может воспользоваться исследуемая микрофинансовая организация.</p><p>Каждый метод классификации дает свои индивидуальные результаты оценивания, однако все они выдают некий процент ошибок в виде оценивания &laquo;хороших&raquo; клиентов плохими и наоборот. Это можно увидеть в сравнительных таблицах фактических и предсказанных значений переменной &laquo;loan_status&raquo; и на графиках. Конечно же, процент ошибок зависит от установления пороговой вероятности, выше которой исследуемая микрофинансовая организация принимает потенциального заемщика, который вернет займ, при этом не исключается потеря &laquo;хороших&raquo; клиентов.</p><p>Заключение содержит в себе основные выводы по результатам исследования и рекомендации по дальнейшей возможности применения полученных систем кредитного скоринга.</p>