СКОРИНГОВЕ МОДЕЛЮВАННЯ НА ОСНОВІ НЕЙРОННИХ МЕРЕЖ ДЛЯ ВИЗНАЧЕННЯ РЕЙТИНГУ ПОЗИЧАЛЬНИКА БАНКУ
DOI:
https://doi.org/10.15407/economyukr.2020.10.054Ключові слова:
скоринг; нейронна мережа; рейтингова функція; апроксимація; функція активаціїАнотація
Розглянуто проблему застосування нейронних мереж для розрахунку рейтингових оцінок, які використовуються в банківській діяльності у процесі прийняття рішень щодо надання чи ненадання кредитів позичальникам. Задача полягає у визначенні рейтингової функції позичальника на основі набору статистичних даних щодо ефективності наданих банком кредитів. За умови побудови регресійної моделі для розрахунку рейтингової функції необхідно знати її загальний вигляд. Якщо так, то задача зводиться до розрахунку параметрів, які входять у вираз для рейтингової функції. На противагу даному підходу, у випадку використання нейронних мереж немає необхідності конкретизувати загальний вигляд для рейтингової функції. Замість цього обирається певна архітектура нейронної мережі й на основі статистичних даних для неї розраховуються параметри. Важливою є та обставина, що одну й ту саму архітектуру нейронної мережі можна застосовувати для обробки різних наборів статистичних даних. До недоліків використання нейронних мереж можна віднести необхідність розраховувати велику кількість параметрів. Також не існує універсального алгоритму, який би дозволив визначити оптимальну архітектуру нейронної мережі.
Як приклад застосування нейронних мереж для визначення рейтингу позичальника розглянуто модельну систему, в якій рейтинг позичальника визначається відомою неаналітичною рейтинговою функцією. Для моделювання використано нейронну мережу з двома внутрішніми прошарками, які містять, відповідно, три і два нейрони і мають сигмоїдну функцію активації. Показано, що використання нейронної мережі дозволяє відновити рейтингову функцію позичальника з цілком прийнятною точністю.
Посилання
Altman E.I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance, No. 9, 1968, pp. 589-609.
doi.org/10.1111/j.1540-6261.1968.tb00843.x
Kaminskyi A. Expert model of credit scoring of the bank borrower. Banking Journal, No. 1, 2006, pp. 75-81 [in Ukrainian].
Dmytrov S., Cherniak V., Kuzmenko O. The scoring system based on risk indicators as an efficient component of financial monitoring in a bank. Visnyk of the National Bank of Ukraine, No. 1, 2011, pp. 26-32 [in Ukrainian].
Vasyliev O. Scoring modeling principles. Visnyk of the National Bank of Ukraine, No. 5, 2014, pp. 40-44 [in Ukrainian].
Vasyliev O. Features of scoring modeling based on linear rating functions. Banking, No. 6, 2013, pp. 75-78 [in Russian].
Vasyliev O. Theoretical aspects of creating scoring models. Banking Journal, No. 2, 2013, pp. 73-81 [in Ukrainian].
Shulga N. Bank Controlling. Kyiv, KNUTE, 2011 [in Ukrainian].
Vitlinskyy V. Modeling of Economy. Kyiv, KNUTE, 2007 [in Ukrainian].
Matviychuk A. Artificial Intelligence in Economics: Neural Networks, Fuzzy Logic. Kyiv, KNEU, 2011 [in Ukrainian].
McNelis P.D. Neural Networks in Finance: Gaining Predictive Edge in the Market. Oxford, Elsevier, Academic Press, 2005.
Cherkashenko V. The "mysterious" scoring. Banking, No. 3, 2006, pp. 42-48 [in Russian].
Shulga N., Melnychuk M. Organization support for risk management in ukrainian banks. Herald of Kyiv National University of Trade and Economics, No. 1 (81), 2012, pp. 44-56 [in Ukrainian].
Baestaens D.E., Bergh W.M., Wood L. Neural Network Solutions for Trading in Financial Markets. Moscow, TVP Science Publishers, 1997 [in Russian].
Haykin S. Neural Networks. A Comprehensive Foundation. Moscow, Williams, 2008 [in Russian].
Vasyliev O. Features of application of artificial neural networks in economic and mathematical modeling. Banking Journal, No. 8, 2013, pp. 50-57 [in Ukrainian].
Vasyliev O. Prospects and principles of using neural networks in scoring modeling. Banking, No. 9, 2013, pp. 75-78 [in Russian].
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Економіка України
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
