Использование нейронечеткой скоринговой модели в оценке кредитного риска заемщика (препринт)
| dc.contributor.author | Бобыль, Владимир Владимирович | ru_RU |
| dc.date.accessioned | 2015-07-14T11:42:33Z | |
| dc.date.available | 2015-07-14T11:42:33Z | |
| dc.date.issued | 2014 | |
| dc.description | В. Бобыль: ORCID 0000-0002-7306-3905 | ru_RU |
| dc.description.abstract | RU: В статье отмечается, что современный финансовый кризис обусловил объективную необходимость дальнейшего исследования проблемы определения кредитного риска заемщика. Рассмотрены вопросы использования нейронечеткой скоринговой модели в оценке кредитоспособности физических и юридических лиц, а также определены значения коэффициентов кредитоспособности заемщика при максимальном и минимальном кредитном риске. Сделан вывод о том, что применение нейронных сетей в скоринговых моделях банка особенно эффективно в том случае, когда исторических данных недостаточно для построения статистической модели, или когда в модель вводятся качественные факторы, которые могут быть оценены только экспертным путем. | ru_RU |
| dc.description.abstract | UK: У статті наголошується, що сучасна фінансова криза зумовила об'єктивну необхідність подальшого дослідження проблеми визначення кредитного ризику позичальника. Розглянуто питання використання нейронечіткої скорингової моделі в оцінці кредитоспроможності фізичних та юридичних осіб, а також визначені значення коефіцієнтів кредитоспроможності позичальника при максимальному і мінімальному кредитному ризику. Зроблено висновок про те, що застосування нейронних мереж в скорингових моделях банку особливо ефективно в тому випадку, коли історичних даних недостатньо для побудови статистичної моделі, або коли в модель вводяться якісні фактори, які можуть бути оцінені тільки експертним шляхом. | uk_UA |
| dc.description.abstract | EN: The article notes that the current financial crisis has led to an objective need to further explore the problem of determining the credit risk of the borrower. Address the use of neuro-fuzzy scoring model to assess the creditworthiness of individuals and legal entities, as well as the values of the coefficients of the borrower's creditworthiness at the maximum and minimum credit risk. It is concluded that the use of neural network models in the bank scoring particularly effective in the case where the history data is not sufficient to build a statistical model, or when administered to the model quality factors which may be assessed by an expert only. | en |
| dc.identifier.citation | Бобыль, В. В. Использование нейронечеткой скоринговой модели в оценке кредитного риска заемщика: [препринт] / В. В. Бобыль // Финансы и кредит. – Москва, 2014. – № 32 (608). – С. 18–25. | ru_RU |
| dc.identifier.uri | http://eadnurt.diit.edu.ua/jspui/handle/123456789/3989 | |
| dc.identifier.uri | https://www.fin-izdat.ru/journal/fc/detail.php?ID=63068 | |
| dc.language.iso | ru_RU | |
| dc.publisher | ООО «Издательский дом ФИНАНСЫ и КРЕДИТ» | ru_RU |
| dc.subject | банки | ru_RU |
| dc.subject | кредитный риск | ru_RU |
| dc.subject | заемщик | ru_RU |
| dc.subject | нейронные сети | ru_RU |
| dc.subject | скоринг | ru_RU |
| dc.subject | кредитний ризик | uk_UA |
| dc.subject | позичальник | uk_UA |
| dc.subject | нейронні мережі | uk_UA |
| dc.subject | banks | en |
| dc.subject | credit risk | en |
| dc.subject | the borrower | en |
| dc.subject | the neural network | en |
| dc.subject | score | en |
| dc.subject | КОАІВ | uk_UA |
| dc.title | Использование нейронечеткой скоринговой модели в оценке кредитного риска заемщика (препринт) | ru_RU |
| dc.title.alternative | Використання нейронечіткої скорингових моделі в оцінці кредитного ризику позичальника (препринт) | uk_UA |
| dc.title.alternative | Use Neuro Scoring Models in Credit Risk Assessment of Borrower (preprint) | en |
| dc.type | Article | en |