Слайд 2Содержание
Актуальность.
Поставленные цели.
Объект исследования.
Основные положения.
Научная новизна.
Положения, выносимые на защиту
![Содержание Актуальность. Поставленные цели. Объект исследования. Основные положения. Научная новизна. Положения, выносимые на защиту](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/407664/slide-1.jpg)
Слайд 3Актуальность
Появление на рынке банковских услуг Республики Беларусь потребительского экспресс-кредитования обусловило необходимость быстрого
![Актуальность Появление на рынке банковских услуг Республики Беларусь потребительского экспресс-кредитования обусловило необходимость](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/407664/slide-2.jpg)
принятия решения о выдаче кредита. В связи с этим актуальными становятся модели автоматизации принятия решения.
Слайд 4Поставленные цели
Выбор и анализ данных для построения модели;
Построение скоринговой модели;
Оценка эффективности построенной
![Поставленные цели Выбор и анализ данных для построения модели; Построение скоринговой модели; Оценка эффективности построенной модели.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/407664/slide-3.jpg)
модели.
Слайд 5Объект исследования
Объектом исследования являются сфера потребительского кредитования физических лиц.
![Объект исследования Объектом исследования являются сфера потребительского кредитования физических лиц.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/407664/slide-4.jpg)
Слайд 6Основные положения
Методы построения скоринговых моделей:
Логистическая регрессия
Деревья решений
Самообучающиеся карты
Нейронные сети
![Основные положения Методы построения скоринговых моделей: Логистическая регрессия Деревья решений Самообучающиеся карты Нейронные сети](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/407664/slide-5.jpg)
Слайд 7Основные положения
Логистическая регрессия – линейная модель для задач с бинарным результирующем полем,
![Основные положения Логистическая регрессия – линейная модель для задач с бинарным результирующем](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/407664/slide-6.jpg)
например «выдать»/«отказать». Обычно на основе этого алгоритма строятся скоринговые карты, позволяющие подобрать оптимальный и экономически обоснованный порог отсечения.
Слайд 8Основные положения
Дерево решений - это алгоритм, автоматически строящий иерархическую систему правил для
![Основные положения Дерево решений - это алгоритм, автоматически строящий иерархическую систему правил](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/407664/slide-7.jpg)
решения задач анализа. Достоинствами алгоритма является простота интерпретации полученных результатов и автоматический выбор алгоритмом наиболее значимых факторов.
Слайд 9Основные положения
Самоорганизующиеся карты. Алгоритм разбивают объекты на кластеры – группы близких объектов.
![Основные положения Самоорганизующиеся карты. Алгоритм разбивают объекты на кластеры – группы близких](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/407664/slide-8.jpg)
Новый объект в зависимости от его показателей попадает в тот или иной кластер, для каждого кластера рассчитывается количество попавших в него положительных и отрицательных случаев и на основании сложившихся пропорций оценивается риск возникновения ситуации.
Слайд 10Основные положения
Нейронные сети - самообучающийся алгоритм, автоматически определяющий вклад каждого фактора в
![Основные положения Нейронные сети - самообучающийся алгоритм, автоматически определяющий вклад каждого фактора](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/407664/slide-9.jpg)
результат, причем учитывающий их взаимное влияние. Нейронные сети позволяют находить очень сложные, нетривиальные зависимости.
Слайд 11Научная новизна
Исследование возможности применения нейронных сетей для построения скоринговых моделей.
![Научная новизна Исследование возможности применения нейронных сетей для построения скоринговых моделей.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/407664/slide-10.jpg)
Слайд 12Положения, выносимые на защиту
Подобные алгоритмы оценки рисков доказали свою практическую ценность во
![Положения, выносимые на защиту Подобные алгоритмы оценки рисков доказали свою практическую ценность](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/407664/slide-11.jpg)
множестве проектов, связанных не только с банковской сферой. Самообучающиеся механизмы - очень мощный инструмент, позволяющий находить сложные зависимости в большом объеме данных, формализовать процесс оценки рисков и тиражировать построенные модели.
Одним из самых важных достоинств подобных механизмов является их адаптивность. Именно эта особенность гарантирует не только получение качественного результата сейчас, но и ее адекватность постоянно изменяющейся среде.