Лук’янець, Тетяна ВолодимирівнаЯценко, Ірина ВікторівнаYatsenko, Iryna2024-05-232024-05-232023-06-19Яценко І. В. Оцінювання кредитних ризиків методами машинного навчання : бакалавр. диплом. робота : 051, Економіка / Яценко Ірина Вікторівна ; наук. керівник Лук’янець Т. В. ; КНЕУ ім. Вадима Гетьмана, Навч.-наук. ін-т «Ін-т інформ. технологій в економіці», Каф. матем. моделювання та статистики. – Київ, 2023. – 67 с.https://ir.kneu.edu.ua/handle/2010/44362Ця дипломна робота присвячена використанню методів машинного навчання для оцінювання кредитних ризиків. Кредитні ризики є важливою проблемою для фінансових установ, і правильна оцінка ризиків є критично важливою для забезпечення фінансової стабільності. У цій роботі розглядаються різні методи машинного навчання, які можуть бути застосовані для оцінювання кредитних ризиків. Проводиться також огляд літератури та аналіз попередніх досліджень в цій галузі. А також досліджуються основні фактори, що впливають на кредитний ризик, такі як фінансовий стан клієнта, кредитна історія та інші важливі параметри. Після аналізу методів машинного навчання, таких як логістична регресія, методу k-найближчих сусідів та метод опорних векторів, проводяться дослідження з використанням реальних наборів даних. Порівнюються результати і визначається, який метод є найбільш ефективним у визначенні кредитного ризику. У підсумку, у цій роботі досліджується і аналізується використання методів машинного навчання для оцінювання кредитних ризиків. Вона надає цінні висновки та рекомендації щодо використання певних методів та розуміння важливості професійних аспектів у цій сфері. This thesis focuses on the use of machine learning techniques for credit risk assessment. Credit risk is an important issue for financial institutions, and proper risk assessment is critical to ensuring financial stability. This paper discusses various machine learning techniques that can be applied to credit risk assessment. It also reviews the literature and analyzes previous research in this area. The paper also explores the main factors that influence credit risk, such as the customer's financial condition, credit history, and other important parameters. After analyzing machine learning methods such as logistic regression, k-nearest neighbors, and support vector machines, research is conducted using real data sets. The results are compared and it is determined which method is the most effective in determining credit risk. In summary, this paper explores and analyzes the use of machine learning methods for credit risk assessment. It provides valuable conclusions and recommendations on the use of certain methods and understanding the importance of professional aspects in this area.ukкредитний ризикмашинне навчаннялогістична регресіяметод найближчих сусідівметод опорних квадратівкредитний портфельдефолтcredit riskmachine learninglogistic regressionnearest neighbor methodleast squares methodloan portfoliodefaultOther