Прогнозирование кредитного риска в условиях неоднородности выборки во времени

Кредитный скоринг, т.е. автоматическая оценка кредитного риска, является одной из классических задач статистического обучения. В данной работе была ещё раз проверена применимость традиционных методов машинного обучения к задаче кредитного скоринга, и показано, что различия между алгоритмами классификации для прогнозирования вероятности дефолта являются несущественными. Было также рассмотрено несколько подходов к проблеме неоднородности выборки и предложен метод для отбора устойчивых во времени однофакторных моделей, позволивший увеличить точность имеющихся алгоритмов. Кроме того, была построена динамическая модель кредитных потерь и использования кредитной карты, учитывающая три вида временных эффектов (возраста, поколения и периода) с конкурирующими рисками. Наконец, был предложен способ включения в модель кредитного риска зависимости от макроэкономических факторов и индивидуальной чувствительности к этим факторам. Разработанные подходы успешно пилотируются в банке, предоставившем данные для этой работы.