Нейро-нечітка модель оцінки ступеня проблемності кредиту
dc.contributor.author | Притоманова, Ольга Михайлівна | |
dc.contributor.author | Prytomanova, Olha | |
dc.contributor.author | Притоманова, Ольга Михайловна | |
dc.contributor.author | Білай, О. С. | |
dc.date.accessioned | 2014-04-29T07:21:51Z | |
dc.date.available | 2014-04-29T07:21:51Z | |
dc.date.issued | 2012-12-17 | |
dc.description.abstract | У статті обґрунтовано методологічний підхід і побудовано математичну модель оцінки ступеня проблемності кредиту на основі нейро-нечітких технологій. Розроблена нейро-нечітка модель забезпечує високу адекватність на відносно малих вибірках, які базуються на експертних лінгвістичних висловлюваннях або в яких вхідні дані є неточними, неповними або невизначеними.Модель дозволяє на основі нейро-нечіткого підходу створювати підсистеми підтримки прийняття рішень щодо управління проблемним кредитом з метою зниження обсягів проблемної заборгованості у кредитному портфелі банку. | uk |
dc.description.abstract | В статье обоснован методологический подход и построена математическая модель оценки степени проблемности кредита на основе нейро-нечетких технологий. Разработанная нейро-нечеткая модель обеспечивает высокую адекватность на относительно малых выборках, которые базируются на экспертных лингвистических высказываниях или в которых входные данные являются неточными, неполными или неопределенными. Модель позволяет на основе нейро-нечеткого подхода создавать подсистемы поддержки принятия решений по управлению проблемным кредитом с целью снижения объемов проблемной задолженности в кредитном портфеле банка. | uk |
dc.description.abstract | The authors have substantiated themethodological approach andhave built a mathematicalmodel based on neuro-fuzzy technology for evaluation of problem loan.The proposed neuro- fuzzy model provides high adequacy for the relatively small sampling based on expert linguistic assessments or which have inaccurate, incomplete or uncertain input data. The model based on neuro-fuzzy approach allows to create a decision support subsystem for managing problem credits to reduce the volume of bad debts in the loan portfolio. | uk |
dc.identifier.citation | Притоманова О. М. Нейро-нечітка модель оцінки ступеня проблемності кредиту / О. М. Притоманова, О. С. Білай // Нейро-нечіткі технології моделювання в економіці : наук.-анал. журн. / М-во освіти і науки України, ДВНЗ «Київ. нац. екон. ун-т ім. Вадима Гетьмана» ; редкол.: А. В. Матвійчук (голов. ред.) [та ін.]. – Київ : КНЕУ, 2013. – № 2. – С. 135–160. | uk |
dc.identifier.uri | https://ir.kneu.edu.ua:443/handle/2010/3310 | |
dc.language.iso | uk | uk |
dc.publisher | ДВНЗ «Київський національний університет імені Вадима Гетьмана» | uk |
dc.subject | Банк | uk |
dc.subject | кредитний ризик | uk |
dc.subject | проблемний кредит | uk |
dc.subject | нейро-нечітка модель | uk |
dc.subject | Банк | uk |
dc.subject | кредитный риск | uk |
dc.subject | кредитный риск | uk |
dc.subject | нейро-нечеткая модель | uk |
dc.subject | Bank | uk |
dc.subject | credit risk | uk |
dc.subject | problemloan | uk |
dc.subject | neuro-fuzzy model | uk |
dc.subject.udc | 519.86 + 336.717(075.8) | uk |
dc.title | Нейро-нечітка модель оцінки ступеня проблемності кредиту | uk |
dc.type | Article | uk |