МОДЕЛЬ КРЕДИТНОГО СКОРИНГА КАК АЛГОРИТМ ТИПОЛОГИИ НЕЧЕТКИХ СОВОКУПНОСТЕЙ

скоринг обучающая выборка модель классификация логистическая регрессия

АЛГОРИТМ СРАВНЕНИЯ ЭФФЕКТИВНОСТИ АЛЬТЕРНАТИВНЫХ КРУПНЫХ ИНВЕСТИЦИОННЫХ ПРОЕКТОВ, О ПОДХОДАХ К РЕШЕНИЮ ЗАДАЧИ ИДЕНТИФИКАЦИИ НЕЧЕТКИХ СОВОКУПНОСТЕЙ, ...

Статистика и экономическое измерение УДК 311.2 107 МОДЕЛЬ КРЕДИТНОГО СКОРИНГА КАК АЛГОРИТМ ТИПОЛОГИИ НЕЧЕТКИХ СОВОКУПНОСТЕЙ <...> В.И. Сонникова, К.О. Кулиджоглян Новосибирский государственный университет экономики и управления «НИНХ» E-mail: veronika_sonniko@mail.ru В работе обсуждаются теоретические и методические вопросы построения моделей кредитного скоринга, приводятся результаты авторского исследования на реальных данных одного из новосибирских банков, построены дискриминантные функции для разных групп клиентов, выполнена статистическая оценка надежности полученных результатов, сделаны выводы и рекомендации. <...> Так как кредитные организации функционируют в условиях жесткой конкуренции, им приходится бороться за каждого клиента, поэтому необходимо проявлять большую изобретательность в области разработки новых методов кредитования, тем самым привлекая новых клиентов. <...> Существует острая необходимость в наукоемких механизмах, способных в определенном смысле заменить кредитных экспертов и сократить время анализа заявки и долю субъективизма в принятии решений. <...> Объектом исследования является совокупность клиентов одного из новосибирских банков, занимающегося в том числе выдачей потребительских кредитов. <...> Сонникова В.И., Кулиджоглян К.О., 2013 108 Вестник НГУЭУ • 2013 • 3 Информационную базу статистического анализа составили данные по генеральной совокупности клиентов банка – физическим лицам. <...> Анализ проведен по случайной выборке: 1000 наблюдениям (500 благонадежных/500 дефолтных клиентов банка). <...> Задача классификации -– в базе данных клиентов банка содержатся их основные параметры, по которым проводится анализ, необходимо предложить методику сегментирования нечеткого множества клиентов с использованием статистических пакетов, а также сделать выводы по полученным результатам, таким образом, чтобы был указан статус клиента: 0 (хороший клиент) или 1 (плохой клиент) [5, 8, 9]. <...> В специальной литературе принято <...>

• Похожие документы из РУАЭСТ
• |
• Похожие документы из Руконт