• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

ФИО студента
Название работы
Руководитель
Факультет
Программа
Оценка
Год защиты
Бенов Александр Геннадиевич
Исследование применения метода искусственных нейронных сетей при анализе кредитоспособности заемщиков на малых выборках
Экономика
(Бакалавриат)
10
2017
В настоящее время сильно возрастает необходимость повышения качества и эффективности управления кредитным риском в коммерческих банках; в частности, перед банками стоит задача повышения точности прогнозирования кредитоспособности банковских заемщиков. В данной работе проводится исследование потенциальных возможностей применения моделей, построенных на основе искусственных нейронных сетей (ANN), при моделировании и прогнозировании кредитоспособности заемщиков - физических лиц. Нейронные сети обладают нелинейной структурой, что соответствует задаче моделирования кредитного риска, в отличие от традиционных для кредитного скоринга моделей. Из-за неинтерпретируемости коэффициентов нейросетевых моделей на их основе производится построение линейных моделей с использованием ряда интерпретационных методик. Целью исследования является анализ предсказательных способностей данных моделей и сравнение их с моделями бинарного выбора – logit и probit – по качеству классификации кредитных рисков на малых выборках, что является актуальным в случае значительной ограниченности релевантных данных. Эмпирический анализ проводился на 5 малых (по 50 наблюдений) и 5 больших (по 7500 наблюдений) выборках данных по кредитам, выданным частным заемщикам через Интернет-платформу «Lending Club» с 2007 по 2011 гг. Согласно полученным результатам, применение интерпретационных методик может приводить к повышению качества классификации кредитных рисков самих нейросетевых моделей, в том числе и на малых выборках; на малых выборках линейные модели на основе ANN оказываются значительно более точными, чем традиционные модели бинарного выбора; при прогнозировании «плохих» кредитов на всех выборках модели на основе интерпретационных методик характеризуются более высокой точностью классификации, чем logit- и probit-модели. Следовательно, можно сделать вывод, что модели, построенные на основе нейронных сетей, являются достойной альтернативой традиционным моделям в области кредитного скоринга.
Текст работы (работа добавлена 11 мая 2017г.)

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Расширенный поиск ВКР