СОВЕРШЕНСТВОВАНИЕ МЕТОДОВ КРЕДИТНОГО СКОРИНГА С ИСПОЛЬЗОВАНИЕМ МАШИННОГО ОБУЧЕНИЯ
Ключевые слова:
нейронные сети, кредитоспособность, кредитный скоринг, искусственный интеллект, финансовые технологии, машинное обучениеАннотация
Исследование посвящено применению нейронных сетей для оценки кредитоспособности клиентов, что является актуальной задачей для улучшения кредитных систем. Авторы анализируют традиционные и современные подходы, обозначая преимущества и ограничения каждого метода. В частности, рассматриваются возможности многослойных перцептронных сетей, которые позволяют обрабатывать большие объемы данных и выявлять сложные зависимости между различными финансовыми показателями. Исследование включает разработку модели нейронной сети, её апробацию на реальных данных и сравнение эффективности с традиционными методами. Результаты подтверждают высокую точность и эффективность нейронных сетей в задачах кредитного скоринга, однако также указывают на значимость качества входных данных и ресурсоемкость процесса. Исследование показало, что нейронные сети демонстрируют высокую вероятность корректного предсказания, свидетельствуя о перспективах использования данных технологий в финансовом анализе.
Список литературы
Абдуллаев Н.А. Перспективы внедрения современных технологий искусственного интеллекта в скоринговые системы // Экономика и финансы (Узбекистан). 2023. № 1. С. 39-49.
Бережной М.А., Максимова Н.Н. Обзор моделей для оценки кредитоспособности физических лиц // Вестник Амурского государственного университета. Серия: Естественные и экономические науки. 2020. № 89. С. 164-169.
Власенко М. Определение кредитоспособности розничных клиентов на основе алгоритмов машинного обучения // Банковский вестник. 2022. № 11(712). С. 30-44.
Бобков С.П., Суворов С.В., Орлов А.И., Пивнев Е.А. Использование методов машинного обучения для оценки рисков при внедрении нового кредитного продукта // Известия высших учебных заведений. Серия: Экономика, финансы и управление производством. 2020. № 4 (46). С. 59-63.
Морозова Г.В., Жогина К.А. Внедрение it-технологий в процесс формирования кредитного рейтинга заёмщика // Контентус. 2021. № 2 (103). С. 23-29.
Мусацков В.Ю., Афанасьева Г.А. Искусственные нейронные сети в экономике и в экологии // Проблемы региональной экологии. 2023. № 4. С. 51-55.
Петров А.А. Российская матрица цифрового профиля россиянина // Национальная Ассоциация Ученых. 2020. № 52-1 (52). С. 39-52.
Шмелева А.Г., Каленюк И.В., Обыденнова С.Ю. и др. Программная модель оценки кредитоспособности клиентов с применением алгоритмов искусственного интеллекта // Труды НГТУ им. Р.Е. Алексеева. 2020. № 3 (130). С. 72-79.
Родимова Т.С., Авис О.У. Могут ли цифровые технологии улучшить качество активов в современном банке? // StudNet. 2020. Т. 3, № 6. С. 624-632.
Таштамиров М.Р. Скоринг как инструмент минимизации кредитного риска банка на уровне региона // Экономика и бизнес: теория и практика. 2020. № 4-3 (62). С. 73-79.
Хамхоева Ф.Я. Нейронные сети в экономическом анализе: плюсы и минусы // Norwegian Journal of Development of the International Science. 2020. № 51-4. С. 72-75.
Юрчак В.А. Автоматизированные информационные системы по машинному обучению на службе кредитного скоринга // Universum: экономика и юриспруденция. 2021. № 4 (79). С. 4-7.
Якимов М.Е. Машинное обучение в банковской сфере // Экономика и социум. 2022. № 11-1(102). С. 1289-1311.
