Межотраслевое моделирование вероятности дефолта

Магистерская диссертация посвящена анализу моделей прогнозирования банкротства. В качестве данных использовалась консолидированная финансовая отчетность публичных российских компаний в формате МСФО за период с 2010 по 2018 года. В рамках работы были построены различные эконометрические модели оценки дефолта, и наилучшей оказался ансамбль с AUC 90% из нескольких моделей: случайный лес, градиентный бустинг и LASSO регрессия. Было выявлено, что ансамбль моделей, превосходит каждую из них по отдельности в прогнозной точности. Затем, для интерпретации прогнозов ансамбля моделей был применен метод SHAP, позволяющий представить вероятность дефолта в виде суммы вкладов каждой из объясняющих переменных. В итоге была получена полностью интерпретируемая модель прогнозирования вероятности банкротства. Подобные прогнозные ансамбли моделей могут быть использованы для улучшения банковских скоринговых систем и ускоренного рейтинговая заемщиков. Использование в ансамбле нелинейных и линейных моделей позволяет им компенсировать недостатки друг друга, а SHAP метод, объяснить результаты прогнозирования, тем самым открывая новые возможности для машинного прогнозирования вероятности банкротств.