Краткосрочный прогноз снижения притока ликвидности в банк на основе технологий больших данных

Данная работа посвящена проблеме предсказания потоков банковской ликвидности с использованием больших данных и методов машинного обучения. Предиктивная аналитика – важнейшая часть управления рисками ликвидности и новые технологии способны улучшить её качество. Главная цель исследования – разработать модель, применимую для предсказания притоков ликвидности в банк от кредитов юридических лиц в краткосрочном периоде. Проведён обзор областей применения технологий больших данных, машинного обучения и искусственного интеллекта в банковской сфере. Изучены современные подходы к прогнозированию потоков ликвидности. В практической части работы описываются основные этапы разработки модели, позволяющей прогнозировать досрочные выплаты по корпоративным кредитам: отбор данных, их предобработка, обучение моделей, оценка качества полученных результатов. Полученная модель продемонстрировала достаточно высокую точность, а значит может быть использована в дальнейшем для предсказания потоков ликвидности.