Труды Кубанского государственного аграрного университета


<<<  Назад

2016 год, № 58

УДК: 004.032.26:336.77
ГРНТИ: 06.73.55

НЕЙРОCЕТЕВАЯ ОЦЕНКА КРЕДИТОCПОСОБНОСТИ ФИЗИЧЕСКИХ ЛИЦ В КРЕДИТНЫХ ОРГАНИЗАЦИЯХ

Изучены возможности искусственных нейронных сетей, расширена область их использования, описано создание и реализация программного продукта, позволяющего автоматизировать процесс оценки кредитоспособности физических лиц банками или другими кредитными организациями на основе использования нейронных сетей. Анализ литературы показал, что задача оценки кредитоспособности клиента решалась и решается некоторыми авторами как для юридических, так и для физических лиц. Однако описание решения с применением конкретных банковских данных, процесса работы конкретного нейроимитатора не было найдено ни в одном источнике. В этом заключается научная новизна и конкретика работы. Актуальность работы обусловлена необходимостью дальнейшего совершенствования математических и инструментальных средств управления кредитными рисками, направленных на оптимальное распределение финансовых ресурсов банков. В статье предлагается алгоритм построения классификатора заемщиков банка или другой кредитной организации на основе нейронных сетей - сложный процесс, включающий следующие этапы: составление базы данных из примеров, разбиение их на два множества: обучающее и тестовое; предварительная обработка данных (нормировка, стандартизация и т.д.), преобразование для подачи на вход; конструирование (выбор топологии нейронной сети), обучение и оценку качества сети на основе подтверждающего множества; сохранение варианта сети, который обеспечивает требуемую точность классификации (малое количество неправильно распознанных примеров); практическое использование сети для решения задачи классификации заемщиков. Все этапы указанного алгоритма детально проработаны, описаны и представлены скриншотами работы программы в доступной форме. Таким образом, показано практическое использование нейроимитатора Statistika 8 Neural Networks для решения задачи оценки кредитоспособности заемщиков - физических лиц, доказано, что данный доступный программный продукт составляет конкуренцию зарубежным пакетам, закупаемым банками и кредитными организациями.
Ключевые слова: Нейронные сети, задача классификации, задача принятия решений, скоринг, оценка кредитоспособности

Литература:

  1. Абричкина, Г. Б. Инструментальные методы управления кредитными рисками регионального банка / Г. Б. Абричкина. - Дис.. канд. экон. наук. - Воронеж, 2004. - 156 c.
  2. Бэстенс, Д.-Э. Нейронные сети и финансовые рынки. Принятие решений в торговых операциях / Д.-Э. Бэстенс, В. Ван Ден Берг -М., Вуд Д. - М., 1997.
  3. Боровиков, В. П. Нейронные сети. Методология и технологии современного анализа данных / В. П. Боровиков. - 2 изд. - Москва, 2008.
  4. Боровиков, В. П. Популярное введение в программу STATISTICA / В. П. Боровиков. - М., 1998.
  5. Ежов, А. А. Нейрокомпьютинг и его приложения в экономике и бизнесе / А. А. Ежов, С. А. Шумский. - М., 1998.
  6. Кричевский, М. Л. Нейронные сети в задачах риск-менеджмента / М. Л. Кричевский. - Научн. сессия проф.-преп. состава СПбГУЭФ. - Сб. докл. СПб, 2002.
  7. Корниенко, С. Л. Оценка кредитоспособности заемщика в процессе управления кредитным риском / С. Л. Корниенко. - Дис.. канд. экон. наук. - М., 2003. - 230 c.
  8. Просалова, В. С. Оценка банками кредитоспособности юридических лиц в условиях развития нейросетевых экспертных систем: На примере Приморского края / В. С. Просалова. - Дис.. канд. экон. наук. - Владивосток, 2006. - 186 с.
  9. Райзберг, Б. А. Современный экономический словарь / Б. А. Райзберг, Л. Ш. Лозовский, Е. Б. Стародубцева. - 5-е изд., перераб. и доп. М., 2006.
  10. Рындина, С. В. Математические модели application-скоринга / С. В. Рындина // Проблемы информатики в образовании, управлении, экономике и технике. - Сб. статей Всерос. научно-техн. конф. - Пенза, 2008. - С. 32-35.

Авторы:

  1. Соколова Ирина Владимировна, канд. пед. наук, доцент кафедры высшей математики, Кубанский госагроуниверситет.