Сравнительный анализ методов оценки вероятности дефолта заёмщика

В данной работе были рассмотрены разные подходы к минимизации кредитного риска заёмщика. Важность данного исследования обуславливается тем, что устойчивость банковской системы во многом зависит от надежности управления рисками, с которыми непосредственно сопряжена вся банковская деятельность. В данной работе были рассмотрены математические методы оценки вероятности дефолта заемщика. На примере реальных данных проведено построение скоринг модели оценки кредитного качества заявителя и проведена ее проверка на предсказательную способность. При построении логит- модели были использован таблицы сопряженности для отбора факторов, которые позволил получить скорингувую модель высокого качества. Для анализа качества модели построена ROC кривая. Для оценки вероятности дефолта по методу логит- регрессии вероятность правильных результатов составляет 77,2% ( на обучающей выборке) и 82,61% (на тестовой выборке). Это означает, что в первом случае 77,2% (82,61%) заявителей на кредит будут отнесены к добросовестным заемщикам и их заявки на кредит можно одобрить. Стоит отметить, что при проверке данной модели на тестовой выборке, при выставлении порогового значения дефолта в 70% модель распознавала 396 плохих заёмщиков из 397 присутствовавших в тестовой выборке. Так же был исследован метод самоорганизующихся карт Кохонена. Два метода, дают примерно одинаковый результат. Метод нейронных сетей проще так как не надо чистить данные, во-вторых результаты, полученные с помощью стандартной регрессии, не всегда применимы к другой выборке, по географии, типу и т.д. , то есть банки вынуждены строить лог-регрессии для разных географических зон, типов клиентов и т.д., что не всегда возможно с учетом масштабов выборки, в этой связи применение нейронных сетей для предсказания дефолтности клиентов, является оправданным способом.