Разработка автоматизированной системы рекомендаций для банка по кредитам и займам

В качестве исполнительного инструмента многие банки используют системы скоринга, поскольку повышение прибыльности кредитных операций напрямую связано с качеством оценки кредитного риска. Цель работы - уменьшить влияние человеческого фактора и времени работы скоринга за счет создания автоматизированной системы оценки выгодности предоставления кредита клиенту банка, на базе наиболее подходящего метода машинного обучения. Данная работа включает в себя анализ существующих технических решений автоматизированных систем обработки данных клиента таких как: SAS Credit Scoring, EGAR Scoring, Scorto Loan Desicion. Для достижения поставленной цели был проведен анализ преимуществ и недостатков следующих методов: Логистическая регрессия, Случайный лес, Ядерный метод опорных векторов и Деревья решений. В ходе анализа был получен отчет с графическим представлением результатов о характеристиках каждого из методов и на самом оптимальном методе машинного обучения была построена скоринговая система. В результате был разработан модуль кредитного скоринга размещенный в веб-приложении с функцией подключения к базе данных. Объем работы – 75 страниц, она содержит 47 рисунков, 4 таблиц и 24 источника литературы. Работа состоит из введения, 4 глав и заключения.