Кредитный скоринг. Оценка вероятности дефолта компаний малого и среднего бизнеса на основе публичных данных.

Машинное обучение и продвинутая аналитика данных продолжают набирать популярность и повсеместно внедряются в бизнес-процессы компаний. При этом в некоторых бизнес-направлениях ответственность за принятие решения лежит на конкретных специалистах, которые в связи с этим предъявляют к используемым аналитическим инструментам не только требования в части их предсказательной силы, но и интерпретируемость выдаваемых результатов. Именно поэтому в такой, казалось бы, неновой задаче, как кредитный скоринг, по прежнему применяются старые классические подходы. В рамках данной работы мы строим две модели прогноза вероятности дефолта: логит и случайный лес, где последняя имеет более высокую предсказательную способность. Ожидается, что низкая предсказательная сила логита должна компенсироваться простотой и интерпретируемостью, однако в данной работе мы демонстрируем, что более сложная модель, показывающая более высокую предсказательную способность, при этом может быть интерпретируема с помощью современных техник. В связи с этим, мы утверждаем, что в индустрии следует внедрять и активно использовать более сложные прогнозные модели, подкрепленные подходами к объяснению их предсказаний. Результаты данной работы имеют практический интерес для банковского сектора, страхования, а также для любых других компаний, заинтересованных в оценке благонадежности большого числа контрагентов.