Разработка рейтинговой системы для прогнозирования кредитного риска и вероятностей дефолта российских банков с помощью моделей машинного обучения

В исследовании сравнивается способность различных статистических методов прогнозировать вероятность дефолта российских финансовых институтов на основе общедоступной информации. В рамках исследования проведена оценка вероятности дефолта российских банков на основе модели, показавшей лучшую предсказательную способность, и разработана шкала кредитных рейтингов для оценки кредитоспособности российских финансовых институтов. Эти задачи имеют первостепенное значение для исследователей и практиков, так как предыдущие исследования показывают, что результаты моделей вероятности дефолта различаются при использовании разных критериев эффективности, разных баз данных и при различных внешнеэкономических условиях. Целью данной работы является заполнение пробела в существующих исследованиях прогнозирования кредитоспособности банков с использованием методов искусственного интеллекта (ИИ). Модели машинного обучения построены на наблюдениях по российским банкам за период с 2015 по 2019 гг. Выборка включает 859 наблюдений. В моделях включен большой набор финансовых, нефинансовых, пруденциальных и макроэкономических показателей. Набор статистических методов включает логит-регрессию (LR), деревья классификации и регрессии (CART), методы опорных векторов (SVM), искусственную нейронную сеть (ANN) и случайный лес (RF), деревья на основе регрессионных моделей, лассо модель регрессии и ансамблевую модель. Построенная ансамблевая модель и рейтинговая система имеют существенное практическое значение в регулировании и анализе кредитоспособности банка. Ключевые слова: Прогнозирование вероятности дефолта, российская банковская система, регрессионная модель, методы искусственного интеллекта, кредитная рейтинговая система.