Моделирование вероятности досрочного погашения корпоративных кредитов

Данное исследование посвящено проблеме досрочного погашения банковских кредитов, выданных юридическим лицам. На основе данных крупного российского банка были построены модели для предсказания вероятности досрочного погашения исходя из информации о заемщике, характеристиках кредита и макроэкономических показателей. Были задействованы такие методы, как логистическая регрессия, логистическая регрессия с L1-регуляризацией, метод опорных векторов (SVM), случайный лес (Random Forest) и категориальный бустинг (CatBoost). По результатам анализа было выявлено, что наибольшей прогнозной силой обладает алгоритм CatBoost (ROC-AUC=0.876 на тестовой выборке), наименьшей – логистическая регрессия (ROC-AUC=0.698). Была выявлена наибольшая значимость таких факторов, как срочность кредита, объем и тип ссуды, размер процентной ставки и отрасль заемщика; при этом макроэкономические факторы не были признаны однозначно влиятельными. Что касается финансовых характеристик компании, то значимыми оказались показатели, отражающие степень долговой нагрузки компании.