Browsing by Author "Kleban, Yuriy"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Дослідження способів трансформації даних в контексті підвищення ефективності моделей кредитного скорингу
    (ДВНЗ «Київський національний економічний університет імені Вадима Гетьмана», 2019) Клебан, Юрій В.; Kleban, Yuriy; Клебан, Юрий В.
    У статті проведено дослідження з пошуку найефективнішого підходу до попередньої обробки характеристичних ознак позичальників з метою підвищення точності передбачення дефолтів за кредитними зобов’язаннями. Проаналізовано три основних способи подання даних на входи моделей кредитного скорингу: застосування початкових пояснюючих змінних без трансформації, переведення категоріальних характеристик у набір фіктивних змінних, біннінг показників із розрахунком вагомості ознаки (WOE) для кожної категорії. Для отримання висновків щодо систематичного впливу цих підходів було проведено по 10 повторюваних ітерацій з побудови нейромережевих моделей персептронного типу за кожним із цих трьох способів підготовки вхідних факторів. Кожна скорингова модель оцінювалась за широким набором показників інтегральної та точкової ефективності. Результати проведених експериментів засвідчили практично за всіма критеріями перевагу запропонованого автором методологічного підходу до попередньої обробки даних шляхом розбиття кількісних змінних на категорії із забезпеченням тренду їх показників вагомості ознаки та дотриманням обмежень на обсяг спостережень у кожній групі. The article highlights a study on the search for the most effective approach to pre-processing the characteristics of borrowers in order to improve the accuracy of predicting defaults on credit obligations. Three main ways of providing data to the inputs of credit scoring models are analyzed: the use of the initial explanatory variables without transformation, the conversion of categorical characteristics into a set of dummy variables, binning the indicators with the calculation of the weights of evidence (WOE) for each category. To obtain conclusions about the systematic impact of these approaches, 10 repeated iterations were carried out with the construction of perceptron-type neural network models based on each of these three methods of preparing input factors. All scoring models were evaluated by a wide range of indicators of integrated and point efficiency. The results of the experiments showed by almost all criteria the advantage of the methodological approach proposed by the author for preliminary data processing by dividing quantitative variables into categories, ensuring the trend in values of their weights of evidence and observing restrictions on the volume of observations in each group. В статье проведено исследование, посвященное поиску наиболее эффективного подхода к предварительной обработке характеристических признаков заемщиков с целью повышения точности предсказания дефолтов по кредитным обязательствам. Проанализированы три основных способа представления данных на входы моделей кредитного скоринга: применение исходных объясняющих переменных без трансформации, преобразование категориальных характеристик в набор фиктивных переменных, биннинг показателей с расчетом весомости признака (WOE) для каждой категории. Для получения выводов относительно систематического влияния данных подходов было проведено 10 повторяющихся итераций с построением нейросетевых моделей персептронного типа на основе каждого из этих трех способов подготовки входных факторов. Все скоринговые модели оценивались по широкому набору показателей интегральной и точечной эффективности. Результаты проведенных экспериментов продемонстрировали практически по всем критериям преимущество предложенного автором методологического подхода к предварительной обработке данных путем разбиения количественных переменных на категории с обеспечением тренда их показателей весомости признака и соблюдением ограничений по объему наблюдений в каждой группе.
  • Thumbnail Image
    Item
    Діагностика платоспроможності підприємств із застосуванням нечіткої моделі Такагі-Сугено
    (ДВНЗ «Київський національний університет імені Вадима Гетьмана», 2015) Клебан, Ю. В.; Kleban, Yuriy
    У статті запропоновано новий методологічний підхід до моделювання платоспроможності підприємств на базі нечіткої логіки. В рамках розробленого підходу побудовано економіко-математичну модель, базу нечітких знань якої сформовано відповідно до алгоритму виведення Такагі-Сугено. Подібні моделі на нечіткій логіці дозволяють здійснювати розподіл досліджуваних підприємств за класами шляхом застосування різних функціональних залежностей, які спрацьовують у тих чи інших умовах. Це дає можливість врахувати в моделі різні умови, що призводять до неплатоспроможності, та наділяє таку систему суттєвою гнучкістю та робастністю, підвищуючи ефективність моделювання. Результати проведених модельних експериментів продемонстрували, що модель виявляється здатною адекватно оцінити неплатоспроможність компаній, які за набором фінансових показників є стабільними і явних причин для їх майбутнього дефолту немає (статистика для проведення дослідження була отримана від комерційного банку, яким в результаті аналізу фінансової звітності всіх підприємств з наявної вибірки було прийнято рішення про видачу кредиту). Результати експериментів показали, що запропонований методологічний підхід до діагностики платоспроможності та виконання кредитних зобов’язань компаніями дозволяє з досить високою точністю визначити ненадійних позичальників-юридичних осіб. Отже, застосування подібного роду математичних моделей на основі нечіткої логіки у діяльності банківських установ та інвестиційних компаній може дозволити істотно підвищити точність оцінювання платоспроможності потенційного позичальника та мінімізувати ризики кредитора, що матиме позитивний вплив і на стабільність економіки країни в цілому.