Построение математической модели оценки платежеспособности заемщика c помощью методов машинного обучения

Данная работа посвящена построению скоринговых карт, которые в настоящее время широко применяются во всех экономически развитых странах. Скоринг имеет огромную популярность в банковской сфере, каждый банк при выдаче кредита проверяет потенциального заемщика на вероятность получения дефолта. Цель данной работы - построение математической модели оценки платежеспособности заемщика с помощью методов машинного обучения. Данная работа была сделана с помощью программного обеспечения SAS Enterprise Miner, которое является популярным инструментом аналитика при построении скоринговых моделей. В работе рассматривается методика построения скоринговых карт на базе модели логистической регрессии, представлены основные подходы формирования и исследовании характеристик заемщика во время построения модели. В конце работы уделено внимание оценке качества построенной модели. Ключевые слова: кредитный риск, кредитный скоринг, скоринговые карты, логистическая регрессия, классификация, машинное обучение, управление рисками, информационное значение, вес категорий предикторов, качество модели, оценки кредитоспособности, SAS Enterprise Miner.