Анализ кредитного портфеля банка с использованием методов машинного обучения

Технологии Больших Данных, включая алгоритмы машинного обучения, широко распространены в финансовом секторе. Машинное обучение как в российских, так и в международных банках помогает решать проблемы от оценки кредитных рейтингов и отслеживания мошеннических операций до замены персональных финансовых консультантов ботами. Процессы оценки кредитного риска и оценки заемщиков хорошо изучены и автоматизированы. Однако из-за высокой конкуренции на финансовом рынке многие банки стремятся совершенствовать подходы к оценке, используя накопленные данные, к которым относятся данные кредитного портфеля. Основной целью данной работы является разработка и сравнение моделей предсказания платежеспособности заемщика на основании влияния конкретных характеристик клиентов, а также определение набора критичных данных, которые обладают максимальной корреляцией с вероятностью выплаты кредита. С помощью собранных характеристик возможно более быстрое проведение первичной оценки клиента при рассмотрении заявки или формировании маркетингового предложения действующим клиентам.