Search academic texts

Information × Registration Number 2121U007704, Article popup.category Бакалаврська робота Title Скорингові моделі в управлінні ризиками банківського кредитування (AI translated) popup.author Купченко Вадим СергійовичKupchenko Vadym Serhiiovych popup.publication 01-01-2021 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/43807 popup.publisher Київ Description Дипломна робота: 112 с., 12 рис., 7 табл., 16 джерел. Тема: «Cкорингові моделі в управлінні ризиками банківського кредитування» Об’єкт дослідження – скорингові системи на базових класифікаторах машинного навчання та стекінгових мета-моделях. Предмет дослідження – оцінка ймовірностей виникнення проблем із забогованістю за кредитами фізичним особам з використанням класифікаторів. Мета роботи – розробка системи для аналізу та оцінювання кредитоспроможності фізичних осіб на основі моделей логістичної регресії, байєсівської мережі, дерев, градієнтного бустінгу та ансамблевих моделей на їх базі. Методи дослідження – побудова, тренування та оцінка моделей, що розглядаються, на тестових наборах даних з використанням метрик точності передбачення та AUC. В роботі розглянуто актуальні моделі побудови класифікаторів засобами машинного навчання, використання ансамблевих моделей для передбачення виникнення проблем з поверненням позик фізичними особами. Проведено порівняльний аналіз ефективності базових та мета-моделей. Розроблено програмне забезпечення для оцінки моделей та їх комбінацій на тестових датасетах. Прогнозні припущення щодо подальшого розвитку об’єкта дослідження: створення алгоритму автоматичного підбору базових моделей в залежності від отриманих результатів оцінки. The diploma project: 112 p., 12 fig., 7 tabl., 16 sources. The theme: «Scoring models in bank’s credit risk management» The object of study – scoring models based on basic machine learning classifiers and stacking metamodels. The subject of study – the probability estimation of issues arising in relation to loan debts of individuals using classifiers. The purpose of research – development of a system for analysis and estimation of creditworthiness of individuals based on logistic regression models, Bayesian network, trees, gradient boosting and ensemble models on them. The research methods – creation, training and assessment of models on testing datasets using accuracy metrics and AUC. In the paper the current models of classifiers creation by means of machine learning, using ensemble models for predicting problems with loans repayment by individuals are considered. A comparative analysis of efficiency of basic and meta-models was conducted. The software for the assessment of models and their combination on testing datasets was developed. The assumptions about further development of the study object: creating the algorithm of automatic selection of basic models depending on the obtained evaluation results. popup.nrat_date 2025-11-05 Close