СРАВНИТЕЛЬНЫЙ АНАЛИЗ МОДЕЛЕЙ РАСПОЗНАВАНИЯ РИСКА

Актуальность и цели. Интерес к моделям распознавания риска связан с желанием автоматизировать принятие управленческих решений в условиях риска, в которых учета только осредненного конечного результата не достаточно. На настоящий момент имеется несколько подходов к оценке риска. В каждом конкретном случае требуется сравнение моделей по качеству распознавания. Целью данной работы является рассмотрение процедуры сравнения моделей. В работе процедура сравнения различных моделей распознавания проводится для конкретных результатов, полученных на основе реальной статистики банка с использованием алгоритма, построенного авторами Материалы и методы. Построение моделей проведено с применением статистических пакетов прикладных программ SPSS и Statistica. Рассматривается модель дискриминантного анализа, логит-модель и пробит-модель. Для характеристики качества распознавания определяются оценки вероятности ошибок второго и первого рода. Для сравнения моделей привлекается ROC-кривая. Для окончательного вывода о качестве построенных моделей используется экзаменующая выборка. Результаты. Совокупный анализ построенных моделей и на обучающей, и на экзаменующей выборке показал высокую степень эффективности модели дискриминантного анализа в целях отнесения потенциальных заемщиков к одной из двух групп. Данная модель характеризуется высокой степенью прогнозирования кредитоспособных клиентов, а также высоким качеством распознавания дефолта заемщика. Применение результатов дискриминантного анализа в алгоритме изучения дает возможность прогнозировать некредитоспособность заемщика и может служить критерием для формирования групп высокого риска по определенным клиентам банка. Выводы. Рассмотренная процедура сравнения качества моделей распознавания позволяет повысить качество информационного обеспечения принятия решений в условиях риска.

• Моисеев А.В.
• Федотов Н.Г.
• Поправко Е.А.

• Общий отдел

• Технические науки. Промышленность
• Физико-математические науки