ЖУРНАЛ БІЗНЕС ІНФОРМ.

УКР

ENG

Пошук:

СВІДОЦТВО ПРО РЕЄСТРАЦІЮ

КВ №19905-9705 ПР від 02.04.2013 р.

ЗАСНОВНИКИ

НАУКОВО-ДОСЛІДНИЙ ЦЕНТР ІНДУСТРІАЛЬНИХ ПРОБЛЕМ РОЗВИТКУ НАН УКРАЇНИ
(ХАРКІВ, УКРАЇНА)

Згідно з рішенням № 802 Національної ради України з питань телебачення і радіомовлення від 14.03.2024 р. зареєстрований суб’єктом у сфері друкованих медіа. Ідентифікатор R30-03156

ВИДАВЕЦЬ

ФОП Лібуркіна Л. М.

РОЗДІЛИ САЙТУ

Вибір економетричного інструментарію при побудові скорингової моделі на основі фіктивних змінних
Савіна С. С., Водзянова Н. К., Білик Т. О., Кравченко В. Л., Семашко К. А.

Савіна С. С., Водзянова Н. К., Білик Т. О., Кравченко В. Л., Семашко К. А. Вибір економетричного інструментарію при побудові скорингової моделі на основі фіктивних змінних. Бізнес Інформ. 2023. №6. C. 128–133.
https://doi.org/10.32983/2222-4459-2023-6-128-133

Розділ: Економіко-математичне моделювання

Стаття написана українською мовою
Завантажень/переглядів: 0

Завантажити статтю (pdf) -

УДК 519.866

Анотація:
Метою дослідження є вибір адекватного економетричного інструментарію для побудови скорингової моделі на специфічному масиві початкових даних, який містить переважну більшість фіктивних змінних. Незважаючи на значну кількість розробок, які присвячені побудові скорингових моделей, універсального методу, який дає змогу отримати високоефективний класифікатор для будь-яких даних, не виявлено. Тому актуальним залишається завдання вибору кращого методу для побудови скорингової моделі залежно від особливостей наявних даних. Найбільш вдалим підходом при виборі моделі для розв’язання задачі бінарної класифікації є застосування кількох видів економетричних моделей та вибір кращої з них за результатами класифікації. У наведеному дослідженні застосовано такі види моделей: дискримінантна модель, логіт- і пробіт-регресії та поліноміальна логістична регресія. Застосовувалися навчальні вибірки з різною структурою. Порівняння всіх отриманих моделей дає змогу зробити висновок, що кращою в даному випадку є поліноміальна логістична регресія. Ця модель демонструє високі показники класифікації для всіх введених класів об’єктів та має важливу перевагу порівняно з моделями, які здійснюють бінарний вибір. Перевагою поліноміальної логістичної регресії є також можливість вибору в кожному конкретному випадку зручної шкали для поділу позичальників більш ніж на два класи та визначення прийнятного для власних умов рівня ймовірності надійності позичальника, при якому слід відносити його до одного з виділених класів. Перспективами подальших досліджень у даному напрямку є застосування методів машинного навчання, які зможуть використовувати ансамблі кращих із розглянутих моделей. Крім того, запропоновані моделі можна використовувати і при розв’язанні аналогічних задач у інших сферах економічної діяльності.

Ключові слова: скорингова модель, логістична регресія, поліноміальна логістична регресія, бінарна класифікація.

Табл.: 5. Формул: 1. Бібл.: 10.

Савіна Світлана Станіславівна – кандидат економічних наук, доцент, доцент, кафедра математичного моделювання та статистики, Київський національний економічний університет імені Вадима Гетьмана (просп. Берестейський, 54/1, Київ, 03057, Україна)
Email: [email protected]
Водзянова Наталія Костянтинівна – старший викладач, кафедра математичного моделювання та статистики, Київський національний економічний університет імені Вадима Гетьмана (просп. Берестейський, 54/1, Київ, 03057, Україна)
Email: [email protected]
Білик Тетяна Олександрівна – кандидат економічних наук, доцент, доцент, кафедра математичного моделювання та статистики, Київський національний економічний університет імені Вадима Гетьмана (просп. Берестейський, 54/1, Київ, 03057, Україна)
Email: [email protected]
Кравченко Вікторія Леонідівна – старший викладач, кафедра математичного моделювання та статистики, Київський національний економічний університет імені Вадима Гетьмана (просп. Берестейський, 54/1, Київ, 03057, Україна)
Email: [email protected]
Семашко Катерина Анатоліївна – кандидат економічних наук, старший викладач, кафедра математичного моделювання та статистики, Київський національний економічний університет імені Вадима Гетьмана (просп. Берестейський, 54/1, Київ, 03057, Україна)
Email: [email protected]

Список використаних у статті джерел

Кузнєцова Н. В. Розробка скорингових карт для аналізу ризиків банківської діяльності. Реєстрація, зберігання і обробка даних. 2017. Т. 19. № 4. С. 35–44. DOI: https://doi.org/10.35681/1560-9189.2017.19.4.142920
Sydorenko N. A Beginner’s Guide To B2B Lead Scoring. URL: https://snov.io/blog/guide-to-lead-scoring/
Siddiqi N. Credit Risk Scorecards: Developing and Implementing Intelligent Credit Scoring. John Wiley & Sons, 2005. 208 р.
Bastos J. A. Predicting Credit Scores with Boosted Decision Trees. Forecasting. 2022. Vol. 4. Iss. 4. P. 925–935. DOI: https://doi.org/10.3390/forecast4040050
Васильєв О. М. Скорингове моделювання на основі нейронних мереж для визначення рейтингу позичальника банку. Економіка України. 2020. № 10. С. 54–62. DOI: https://doi.org/10.15407/economyukr.2020.10.054
Garcin M., Stephan S. Credit scoring using neural networks and SURE posterior probability calibration. 2021. URL: https://hal.science/hal-03286760v1/file/Article_VF.pdf
Савіна С. С., Водзянова Н. К. Побудова скорингової моделі для масиву даних на основі фіктивних змінних // Technologies and strategies for the implementation of scientific achievements : collection of scientific papers «SCIENTIA» with Proceedings of the III International Scientific and Theoretical Conference. April 28, 2023. Stockholm, Kingdom of Sweden: European Scientific Platform. Р. 58–59. DOI: https://doi.org/10.36074/scientia-28.04.2023
Савіна С. С., Водзянова Н. К. Побудова моделі оцінки ймовірності дефолту позичальників на основі якісних показників // Розвиток наукової думки постіндустріального суспільства: сучасний дискурс : матеріали III Міжнародної наукової конференції (м. Львів, 28 квітня 2023 р.). Вінниця : Європейська наукова платформа, 2023. С. 103–105. URL: https://archive.mcnd.org.ua/index.php/conference-proceeding/issue/view/28.04.2023/25
Савіна С. С., Водзянова Н. К. Застосування поліноміальної логістичної регресії при побудові скорингових моделей // Актуальні питання розвитку галузей науки : матеріали I Міжнародної наукової конференції (м. Чернігів, 12 травня 2023 р.). Вінниця : Європейська наукова платформа, 2023. С. 130–132. DOI: 10.36074/mcnd-12.05.2023
Brooks Ch. Introductory Econometrics for Finance. 3rd ed. Cambridge University Press, 2014. 740 р.

ДЛЯ АВТОРІВ

Ліцензійний договір

Умови публікації

Вимоги до статей

Положення про рецензування

Договір публікації

Номер в роботі

Питання, які задаються найчастіше

ІНФОРМАЦІЯ

План наукових конференцій

НАШІ ПАРТНЕРИ

Журнал «Проблеми економіки»

Матеріали на сайті розміщені на умовах ліцензії Creative Commons Attribution 4.0 International CC BY-SA.

Написати вебмастеру