Электронный каталог

rus
НТБ Минпромторга России
Режим работы
Контактная информация

Поиск :

  • Поиск
  • Поиск одной строкой
  • Помощь

  • Разделы фонда

  • Книги по ТЯЖЕЛОЙ ПРОМЫШЛЕННОСТИ
  • Книги 2022
  • Книги 2023
  • Книги 2024
  • Ретрофонд
  • Статьи из информационных обзоров за 2023
  • Статьи из информационных обзоров за 2024

  • Справочники

  • Авторы
  • Издательства
  • Серии
  • Дерево рубрик

  • Статистика поисков
  • Статистика справок

Личный кабинет :


Самозапись

Электронный каталог: Шунина, Ю.С. - Прогнозирование кредитоспособности клиентов на основе методов машинного обучения

Шунина, Ю.С. - Прогнозирование кредитоспособности клиентов на основе методов машинного обучения

Нет экз.
Прогнозирование кредитоспособности клиентов на  основе методов машинного обучения
Статья
Автор:
Шунина, Ю.С.
Финансы и кредит: Прогнозирование кредитоспособности клиентов на основе методов машинного обучения
2015 г.
ISBN отсутствует

На полку На полку


Статья

Шунина, Ю.С.
Прогнозирование кредитоспособности клиентов на основе методов машинного обучения / Шунина Ю.С., Алексеева В.А., Клячкин В.Н. // Финансы и кредит. – 2015. – №27. – Июль. - № 27. - 2-12. - 411033. – На рус. яз.

Анализ процесса прогнозирования кредитоспособности клиентов банка. Актуальность разработки новых элементов этого процесса и более точной оценки кредитного риска в связи с ростом конкуренции на рынке кредитных услуг. Решение задачи совершенствования методики прогнозирования кредитоспособности клиентов на основе использования современных методов машинного обучения и формирования оптимального решения о выдаче кредита. Предложение алгоритма прогнозирования кредитоспособности по известным характеристикам заемщика на основе методов машинного обучения (кластеризации, регрессионного анализа, классификации). Данный алгоритм позволяет использовать как отдельные модели, так и все возможные их комбинации. На основе разработанного алгоритма получен эффективный метод прогнозирования кредитоспособности, позволяющий оценивать вероятность выплаты кредита по известным характеристикам заемщика. Эффективность этого метода. Выводы: комбинация моделей с использованием машинного обучения улучшает результативность прогнозирования кредитоспособности, позволяет повысить качество оценки риска и оптимизировать процесс выдачи кредита.


Ключевые слова = АЛГОРИТМ
Ключевые слова = АНАЛИЗ
Ключевые слова = ЗАЙМ
Ключевые слова = КРЕДИТОВАНИЕ
Ключевые слова = КРЕДИТОСПОСОБНОСТЬ
Ключевые слова = МЕТОДИКА
Ключевые слова = ПРОГНОЗ
Ключевые слова = РАСЧЕТЫ
Ключевые слова = РОССИЯ
Ключевые слова = ЭФФЕКТИВНОСТЬ
Ключевые слова = ФИНАНСЫ. КРЕДИТНО-ДЕНЕЖНАЯ ПОЛИТИКА


Привязано к:

Отобрать для печати: страницу | инверсия | сброс | печать(0)

Финансы и кредит
Нет экз.
Выпуск

Финансы и кредит №27
2015 г.
ISBN отсутствует


На полку На полку


© Все права защищены ЗАО "Компания Либэр" , 2009 - 2025  v.20