РАЗРАБОТКА СКОРИНГОВОЙ МОДЕЛИ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ

Аннотация

Оценка кредитоспособности заёмщика представляет собой ключевой элемент системы управления рисками в банковской деятельности. В современных условиях цифровизации и расширения дистанционного кредитования возрастает потребность в более точных, автоматизированных и масштабируемых методах прогнозирования платёжеспособности клиентов. Цель статьи — анализ эффективности применения алгоритмов машинного обучения при построении скоринговой модели на основе открытых данных. В работе рассмотрены традиционные и интеллектуальные подходы к кредитному скорингу, выявлены их преимущества и ограничения. В качестве материала использован датасет, содержащий данные о демографических, социальных и экономических характеристиках заёмщиков, а также историю погашения кредитов. Методы исследования включают построение моделей классификации с использованием логистической регрессии, деревьев решений, ансамблевых моделей и нейронной сети. Проведена предобработка, балансировка классов и подбор гиперпараметров. Полученные результаты показали, что модель градиентного бустинга CatBoost обеспечивает наивысшую точность при адекватной интерпретируемости. Также выполнен анализ значимости факторов с применением метода SHAP. Представленные в статье результаты демонстрируют высокую прикладную значимость и могут быть использованы в практике кредитных организаций для автоматизации процесса принятия решений и снижения уровня дефолтов.