3.1 Общая структура модели
Поставленная задача должна решить следующие проблемы:
Повысить надежность существующей кредитной политики банка и снизить кредитный риск.
Сократить время на принятия решения банком
Автоматизировать процесс принятия решения по клиенту
Сравнить методы интеллектуального анализа данных
Анализ будет состоять из двух частей. Первая часть заключается в анализе базы данных клиентов банка, у которых имеется кредит. Скоринговая модель будет относится к типу поведенческого скоринга. Ключевым показателем является показатель списания клиента за первый год владения кредитным продуктом. Показатель в базе данных «Ever W/O @12 MOB» является показателем булевого типа. Результатом первого этапа будет набор параметром, полученный на обучающей выборке клиентов, которым банк выдал кредит в 2012 году. Второй этап это применение алгоритма к тестовой выборке за 2013 год. Третий этап заключается в применении полученных знаний и использования их для предложенного метода автоматизации принятия решения.
- Министерство образования и науки Российской Федерации
- 1 Постановка задачи
- 2 Обзор источников
- 2.1 Существующие методы
- 2.1.1 Экспертные системы оценки
- 2.1.2 Балльные системы оценки кредитоспособности клиентов
- 2.1.2.1 Application-скоринг(Оценка заявки на кредит)
- 2.1.2.2 Fraud-скоринг
- 2.1.2.3 Collection-скоринг
- 2.1.2.4 Behavioral-scoring (поведенческий скоринг)
- 2.2. Проблема существующих методов
- 3 Методика решения задачи
- 3.1 Общая структура модели
- 3.2 Основные этапы анализа данных
- 4 Формулировка задачи
- 4.1 Математическая формулировка
- 4.2. Исходные данные
- 4.2 Алгоритм расчета
- 4.2.1. Алгоритм apriori
- 5 Результаты
- 6 Анализ результатов
- 6.1. Интерпретация полученных результатов
- 6.2 Основные результаты
- Заключение
- Список использованной литературы
- Приложение а.