Сравнение методов интеллектуального анализа данных при оценивании кредитоспособности физических лиц

Abstract

Розглянуто задачу оцінювання ризиків при кредитуванні фізичних осіб за методами інтелектуального аналізу даних — кластерного аналізу, дерев рішень, штучних нейронних мереж, регресійних моделей дискретного вибору та мереж Байєса з метою їх порівняння. Для побудови моделей використовується база даних клієнтів першої філії VAB-банку. Отримані скорингові моделі оцінено з використанням таких критеріїв: загальна точність, похибки 1- та 2-го роду. Наведено експериментальні результати, опис методів та приклади скорингових моделей.

An analysis of the task of risk evaluation for crediting clients using the methods of intellectual data analysis, namely cluster analysis, decision trees, artificial neural networks, discrete choice models and Bayesian networks is performed with the purpose of their comparison. For construction of scoring models the database of clients of the first branch of VAB bank was used. The scoring models constructed are estimated with the use of the following criteria: common accuracy, errors of the first and second type. Experimental results, description of methods and examples of scoring models are also presented.