Вдосконалення методу ітеративної класифікації з включення відхилених заявок у кредитному скорингу

Вдосконалено метод ітеративної класифікації з включення відхилених заявок у кредитному скорингу. Методика реалізації полягає у використанні частково класифікованих даних та узагальненні логістичної регресії. На першому етапі запропоновано метод перерахунку ваг значення змінної та значення інформації, використовуючи відхилені заявки на отримання кредиту. Продемонстровано процес включення відхилених заявок в аналіз прогностичної сили характеристик, забезпечуючи альтернативний і покращений процес дискретизації неперервних змінних. На другому етапі запропоновано метод включення уточненого показника ваги значення змінної та частково класифікованих відхилених заявок у процедуру логістичної регресії. На завершальному етапі подано загальний метод ітеративної оцінки ймовірностей, використовуючи підхід покращеної логістичної регресії. Результатами дослідження є суттєве вдосконалення методу ітеративної класифікації та розширення можливостей використання логістичної регресії. Як висновки наведено переваги перед класичним методом ітеративної класифікації, зокрема ймовірнісна дуальність відхилених заявок.
Ключові слова: кредитний скоринг, аналіз відхилених заявок, логістична регресія, вага значення змінної, значення інформації, частково класифіковані дані, дослідження даних, бінарна класифікація, метод ітеративної класифікації.

Рік видання: 
2014
Номер: 
5
УДК: 
681.518.25
С. 63–69., Іл. 2. Бібліогр.: 8 назв.
Література: 

1. Энциклопедия финансового риск-менеджмента: Учеб. пособие / Под ред. А.А. Лобанова и А.В. Чугунова. — М.: Альпина Паблишер, 2003. — 786 с.
2. Lyn C. Thomas et al., Credit Scoring and its Applications: SIAM monographs on mathematical modeling and computation. Philadelphia: University City Science Center, SIAM, 2002, 248 p.
3. Naeem Siddiqi. Credit risk scorecards: developing and implementing intelligent credit scoring. Hoboken: John Wiley & Sons, Inc., 2006, 196 p.
4. A.J. Feelders “Credit scoring and reject inference with mixture models”, Int. Journal of Intel. Sys. in Accounting, Finance and Management, no. 8, pp. 271—279, 1999.
5. Jie-Men Mok, Reject Inference in Credit Scoring. Amsterdam: BMI paper, 2009, 38 p.
6. Руководство по кредитному скорингу: Учеб. пособие / Под ред. Элизабет Мэйз; пер. с англ. И.М. Тикота; науч. ред. Д.И. Вороненко. — Минск: Гревцов Паб- лишер, 2008. — 464 с.
7. Paul D. Allison, Logistic Regression Using the SAS® System: Theory and Application. Cary, NC: SAS Institute Inc., North Carolina, 1999, 306 p.
8. Бідюк П.І., Кузнєцова Н.В., Терентьєв О.М. Система підтримки прийняття рішень для аналізу фінансових даних // Наук. вісті НТУУ “КПІ”. — 2011. — № 1. — С. 48—61.

Список літератури у транслітерації: 

1. Ėnt͡siklopedii͡a finansovogo risk-menedzhmenta: Ucheb. posobie / Pod red. Lobanova A.A. i Chugunova A.V. – M.: Al'pina Pablisher, 2003. – 786 s.
2. Lyn C. Thomas et al., Credit Scoring and its Applications: SIAM monographs on mathematical modeling and computation. University City Science Center, Philadel¬phia, SIAM, 2002, 248 p.
3. Naeem Siddiqi. Credit risk scorecards: developing and implementing intelligent credit scoring. Hoboken: John Wiley & Sons, Inc., 2006, 196 p.
4. A.J. Feelders “Credit scoring and reject inference with mixture models”, Int. Journal of Intel. Sys. in Accounting, Finance and Management, no. 8, pp. 271–279, 1999.
5. Jie-Men Mok, Reject Inference in Credit Scoring. Amsterdam: BMI paper, 2009, 38 p.
6. Rukovodstvo po kreditnomu skoringu: Ucheb. posobie / Pod red. Ėlizabet Mėĭz; per. s angl. I.M. Tikota; nauch. red. D.I. Voronenko. – Minsk: Grevt͡sov Pablisher, 2008. – 464 s.
7. Paul D. Allison, Logistic Regression Using the SAS® System: Theory and Application. Cary, NC: SAS Institute Inc., North Carolina, 1999, 306 p.
8. Bidi͡uk P.I., Kuzni͡et͡sova N.V., Terent′i͡ev O.M. Systema pidtrymky pryĭni͡atti͡a rishen′ dli͡a analizu finansovykh danykh // Naukovi visti NTUU “KPI”. – 2011. – # 1. – S. 48–61.

Текст статтіРозмір
2014-5-8.pdf200.7 КБ