0 800 330 485
Працюємо без вихідних!
Гаряча лінія
Графік роботи
Пн - Пт 09:00 - 20:00
Сб - Нд 10:00 - 17:00
Пишіть в чат:
Для отримання інформації щодо існуючого замовлення - прохання використовувати наш внутрішній чат.

Щоб скористатися внутрішнім чатом:

  1. Авторизуйтеся у кабінеті клієнта
  2. Відкрийте Ваше замовлення
  3. Можете писати та надсилати файли Вашому менеджеру

Система кредитного скорингу позичальників кредитів на основі інтелектуального аналізу даних (ID:470695)

Тип роботи: дисертація
Сторінок: 115
Рік виконання: 2018
Вартість: 1000
Купити цю роботу
Зміст
РОЗДІЛ 1 АКТУАЛЬНІСТЬ ДОСЛІДЖЕННЯ ТА ПРОБЛЕМАТИКА КРЕДИТОСПРОМОЖНОСТІ НАСЕЛЕННЯ.................................................... 11 1.1 Аналіз кредитного ринку та банківської системи україни та актуальність дослідження ........................................................................................................... 11 1.2 Огляд існуючих методів і моделей розв’язання задачі ............................... 17 1.3 Деякі комп’ютерні системи для виконання інтелектуального аналізу даних та побудови скорингових моделей........................................................... 23 1.3.1. – SAS............................................................................................................. 23 1.3.2 – Python.......................................................................................................... 27 1.3.3 – FICO............................................................................................................ 28 1.4 Поняття інтелектуального аналізу даних як області досліджень системного аналізу ................................................................................................ 29 1.5 Місце моделей оцінювання кредитоспроможності в інтелектуальному аналізі даних .......................................................................................................... 31 Висновки до розділу ............................................................................................. 32 РОЗДІЛ 2 ВИБІР МЕТОДІВ І МОДЕЛЕЙ ДЛЯ АНАЛІЗУ КРЕДИТОСПРОМОЖНОСТІ.............................................................................. 35 2.1 Вибір методів та моделей............................................................................... 35 2.1.1 – Лінійні регресійні моделі. Метод найменших квадратів ...................... 35 2.1.2 – Узагальнена ймовірнісна нелінійна регресія. Метод максимальної правдоподібності................................................................................................... 37 2.2 Сучасний підхід до побудови нейромережевих моделей ........................... 40 2.3 Дерева рішень .................................................................................................. 46 2.4 Методика побудови Байєсівських мереж ..................................................... 47 2.4.1 – Статичні моделі Байєсівських мереж...................................................... 49 7 2.4.2 – Наївний байєсiвський класифiкатор........................................................ 50 2.4.3 – Доповнений деревом байєсівський класифікатор ................................. 51 2.5 Кореляційний аналіз змінних......................................................................... 53 Висновки до розділу ............................................................................................. 55 РОЗДІЛ 3 ЗАСТОСУВАННЯ СИСТЕМИ КРЕДИТНОГО СКОРИНГУ НА ОСНОВІ МЕТОДІВ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ДАНИХ ДЛЯ ОЦІНЮВАННЯ КРЕДИТОСПРОМОЖНОСТІ ПОЗИЧАЛЬНИКІВ.............. 56 3.1 Система кредитного скорингу ....................................................................... 56 3.2 Аналіз кредитоспроможності позичальників кредитів за допомогою байєсівських та нейромереж ................................................................................ 59 3.3 Порівняння побудованих моделей та аналіз результатів............................ 82 Висновки до розділу ............................................................................................. 86 РОЗДІЛ 4 РОЗРОБКА СТАРТАП-ПРОЕКТУ З ПОБУДОВИ СИСТЕМИ КРЕДИТНОГО СКОРИНГУ ПОЗИЧАЛЬНИКІВ КРЕДИТІВ НА ОСНОВІ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ДАНИХ В РЕЖИМІ РЕАЛЬНОГО ЧАСУ ................................................................................................................................. 87 4.1 Опис ідеї стартап-проекту.............................................................................. 87 4.2 Технологічний аудит ідеї проекту................................................................. 90 4.3 Аналіз ринкових можливостей запуску стартап-проекту........................... 92 4.4 Розроблення ринкової стратегії проекту .................................................... 103 4.5 Розроблення маркетингової програми стартап-проекту........................... 107 Висновки до розділу ........................................................................................... 110 ВИСНОВКИ ПО РОБОТІ ТА ПЕРСПЕКТИВИ ДЛЯ ПОДАЛЬШИХ ДОСЛІДЖЕНЬ..................................................................................................... 112
Не підійшла ця робота?
Ви можете замовити написання нової роботи "під ключ" із гарантією
Замовити нову
Зразок роботи
Вiдомими сучасними теоретиками i практиками в області управління ризиками є професори Ю.П. Зайченко, В.М. Подладчіков, Н.Д. Панкратова, Джонатан Н. Крук, Лiн С. Томас, Девід Дж. Хенд, Л.М. Любчик, доктор Елізабет Мейз, дослідники Наім Сіддікі, Девiд Б. Едельман. Значний внесок у дослiдження задач бінарної класифікації за допомогою логістичної регресії зробили Девід В. Хосмер, Стенлі Лемешоу, Пол Д. Елiсон. Першим вченим, хто застосував пiдхiд класифікації популяції на прикладі рослин був Рональд Ейлмер Фішер у 1936 р., а першим дослідником, який застосував дану методику для бінарної класифiкацiї кредитiв у 1941 р., будучи таким чином основоположником кредитного скорингу, є Девiд Дюран, що написав фундаментальну книгу «Елементи ризику у фінансуванні споживчої 10 розстрочки». До недоліків, подолання яких має найвищу актуальність, насамперед вiдносяться: вiдсутнiсть чiтких обмежень, критерiїв оптимальності для основних методів дискретизації змінних, неможливість забезпечення глобального оптимуму для множини таких методів, незастосовність множини таких методів для випадку ймовірнісної цільової змінної, відсутність формул обчислення ваг категорій та інформаційної статистики вхідної змінної в термінах її безумовного розподілу та умовного розподілу цільової змінної, визначеність ваг категорій вхідних змінних та їх інформаційної статистики, а також класичної бінарної логістичної регресії. 11 РОЗДІЛ 1 АКТУАЛЬНІСТЬ ДОСЛІДЖЕННЯ ТА ПРОБЛЕМАТИКА КРЕДИТОСПРОМОЖНОСТІ НАСЕЛЕННЯ 1.1 Аналіз кредитного ринку та банківської системи україни та актуальність дослідження У фінансовому ризик-менеджменті, у відповідності зі стандартною класифікацією, головними загрозами для благополуччя фінансового інституту або установи є: ринкові ризики (зокрема валютний ризик та відсотковий ризик), кредитні ризики (зокрема ризик контрагента, ризик дефолту та ризик дострокового погашення), операційні ризики (включаючи модельний ризик та ризик неадекватності методів оцінки та управління ризиками), ризики ліквідності (зокрема ризик ринкової ліквідності та ризик балансової ліквідності), ризики події (зокрема юридичні ризики, бухгалтерськ