Оцінювання кредитних ризиків малих і середніх підприємств методами інтелектуального аналізу даних

Simple item page
dc.contributor.authorМатвійчук, Андрій Вікторович
dc.contributor.authorMatviichuk, Andrii
dc.contributor.authorМатвийчук, Андрей Викторович
dc.contributor.authorАртюх, Ольга Миколаївна
dc.contributor.authorArtiukh, Olha
dc.date.accessioned2023-01-02T14:00:01Z
dc.date.available2023-01-02T14:00:01Z
dc.date.issued2022
dc.description.abstractСтаття присвячена вирішенню науково-практичного завдання моделювання кредитних ризиків позичальників комерційних банків – малих і середніх підприємств із застосуванням методів інтелектуального аналізу даних, а саме: нейромереж персептронного типу, logit-регресій та дерев прийняття рішень. У статті здійснюється порівняльний аналіз ефективності зазначеного інструментарію при вирішенні поставленої задачі. Проведені експериментальні розрахунки продемонстрували найбільшу придатність для оцінювання ризиків кредитування підприємств методів штучного інтелекту, а саме нейромережі типу персептрон. Результатом дослідження є рекомендації щодо застосування побудованої скорингової моделі в банківській діяльності з метою зниження рівня ризиковості кредитних операцій для малого і середнього бізнесу. The article is devoted to solving the scientific and practical problem of modeling credit risks of borrowers of commercial banks – small and medium enterprises (SME). SME lending in Ukraine is characterized by high risk but the need for lending is increasing and essential, which is due to the socio-economic importance of SMEs. That is why there is a need to use methods and models of intelligent data analysis. Using data mining methods, that are perceptron-type neural networks, logistic regressions and decision trees, researched and analyzed in this paper. The database of bank borrowers was used for the research. In particular, 21 financial and economic indicators of enterprise activity were used for modeling. The article carries out a comparative effectiveness analysis of these tools in solving stated problem. During the research, the general population of data was randomly divided into a general and a test sample, and each of them kept the proportion of default units. The experimental calculations demonstrated the greatest suitability for assessing the risks of lending of enterprises the AI methods, namely neural nets of perceptron type. To compare the results of the models, the following values were used: common accuracy, AUC, GINI, specificity, sensitivity. The most significant parameters for the models are also indicated. The study results in recommendations for the application of the built scoring model in banking in order to reduce the level of SME credit operations riskiness.uk_UA
dc.identifier.citationМатвійчук А. В. Оцінювання кредитних ризиків малих і середніх підприємств методами інтелектуального аналізу даних / Матвійчук Андрій Вікторович, Артюх Ольга Миколаївна // Наукові записки Національного університету «Острозька академія». Серія «Економіка» : наук. журн. / Нац. ун-т «Острозька акад.» ; [редкол.: Шулик Ю. В. (голов. ред.) та ін.]. – Острог : Вид-во НУ«ОА», 2022. – № 26. – С. 114–120.uk_UA
dc.identifier.issn2311-5149
dc.identifier.urihttps://ir.kneu.edu.ua:443/handle/2010/38694
dc.language.isoukuk_UA
dc.publisherНаціональний університет «Острозька академія»uk_UA
dc.subjectМСБuk_UA
dc.subjectкредитний ризикuk_UA
dc.subjectнейромережаuk_UA
dc.subjectдерево рішеньuk_UA
dc.subjectlogit-регресіяuk_UA
dc.subjectSMEuk_UA
dc.subjectcredit riskuk_UA
dc.subjectneural networkuk_UA
dc.subjectdecision treeuk_UA
dc.subjectlogistic regressionuk_UA
dc.subject.udc330.4: 336.7uk_UA
dc.titleОцінювання кредитних ризиків малих і середніх підприємств методами інтелектуального аналізу данихuk_UA
dc.title.alternativeEstimation of sme credit risks by data mining methodsuk_UA
dc.typeArticleuk_UA
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
NZ_ek_26_114.pdf
Size:
833.2 KB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Кафедра економіко-математичного моделювання та статистики