Оцінювання кредитних ризиків корпоративних позичальників на основі ансамблевих алгоритмів
| dc.contributor.advisor | Позднякович, Олександр Євгенович | |
| dc.contributor.author | Демченко, Данііл Олександрович | |
| dc.contributor.author | Demchenko, Daniil | |
| dc.date.accessioned | 2026-08-19T07:36:45Z | |
| dc.date.available | 2026-08-19T07:36:45Z | |
| dc.date.issued | 2026-06-22 | |
| dc.description.abstract | У кваліфікаційній роботі розв'язано задачу оцінювання кредитного ризику корпоративних позичальників на основі ансамблевих алгоритмів машинного навчання. Розроблено та експериментально валідовано дворівневу стекінгову модель (логістична регресія, Random Forest, XGBoost, LightGBM, MLP та мета-модель) з OOF крос-валідацією та байєсівською оптимізацією гіперпараметрів. Для роботи з незбалансованими даними застосовано SMOTE, зважування класів та оптимізацію порогу, а для інтерпретації рішень — метод SHAP. На датасеті Polish Companies Bankruptcy Data показано підвищення прогностичної точності порівняно з базовими класифікаторами за умови відповідності регуляторним вимогам Basel III. The thesis addresses the assessment of corporate borrowers' credit risk using ensemble machine learning algorithms. A two-level stacking model (logistic regression, Random Forest, XGBoost, LightGBM, MLP, and a meta-model) is developed and experimentally validated using out-of-fold cross-validation and Bayesian hyperparameter optimization. Class imbalance is handled with SMOTE, class weighting, and threshold optimization, while the SHAP method is used to interpret model decisions. On the Polish Companies Bankruptcy dataset, the model shows improved predictive accuracy over baseline classifiers while meeting the regulatory interpretability requirements of Basel III. | |
| dc.identifier.citation | Демченко Д. О. Оцінювання кредитних ризиків корпоративних позичальників на основі ансамблевих алгоритмів : бакалавр. диплом. робота : 124, Системний аналіз / Демченко Данііл Олександрович ; наук. керівник Позднякович О. Є. ; КНЕУ ім. Вадима Гетьмана, Навч.-наук. ін-т «Ін-т інформ. технологій в економіці», Каф. систем. аналізу та кібербезпеки. – Київ, 2026. – 121 с. | |
| dc.identifier.uri | https://ir.kneu.edu.ua/handle/2010/56027 | |
| dc.language.iso | uk | |
| dc.publisher | Київський національний економічний університет імені Вадима Гетьмана | |
| dc.subject | кредитний ризик | |
| dc.subject | корпоративні позичальники | |
| dc.subject | машинне навчання | |
| dc.subject | стекінгове узагальнення | |
| dc.subject | ансамблеві моделі | |
| dc.subject | SHAP | |
| dc.subject | ймовірність дефолту | |
| dc.subject | credit risk | |
| dc.subject | corporate borrowers | |
| dc.subject | machine learning | |
| dc.subject | stacking generalization | |
| dc.subject | ensemble models | |
| dc.subject | probability of default | |
| dc.title | Оцінювання кредитних ризиків корпоративних позичальників на основі ансамблевих алгоритмів | |
| dc.title.alternative | Corporate borrower credit risk assessment based on ensemble algorithms | |
| dc.type | Other |