МЕТОДИ ЕКОНОМІКО-МАТЕМАТИЧНОГО МОДЕЛЮВАННЯ УДК 330.42:336.01 JEL: C02, C15, D81, E47 1Київський національний університет імені Тараса Шевченка, Research ID : http://www.researcherid.com/rid/ СКОРИНГОВЕ МОДЕЛЮВАННЯ НА ОСНОВІ НЕЙРОННИХ МЕРЕЖ ДЛЯ ВИЗНАЧЕННЯ РЕЙТИНГУ ПОЗИЧАЛЬНИКА БАНКУ Розглянуто проблему застосування нейронних мереж для розрахунку рейтингових оцінок, які використовуються в банківській діяльності у процесі прийняття рішень щодо надання чи ненадання кредитів позичальникам. Задача полягає у визначенні рейтингової функції позичальника на основі набору статистичних даних щодо ефективності наданих банком кредитів. За умови побудови регресійної моделі для розрахунку рейтингової функції необхідно знати її загальний вигляд. Якщо так, то задача зводиться до розрахунку параметрів, які входять у вираз для рейтингової функції. На противагу даному підходу, у випадку використання нейронних мереж немає необхідності конкретизувати загальний вигляд для рейтингової функції. Замість цього обирається певна архітектура нейронної мережі й на основі статистичних даних для неї розраховуються параметри. Важливою є та обставина, що одну й ту саму архітектуру нейронної мережі можна застосовувати для обробки різних наборів статистичних даних. До недоліків використання нейронних мереж можна віднести необхідність розраховувати велику кількість параметрів. Також не існує універсального алгоритму, який би дозволив визначити оптимальну архітектуру нейронної мережі. Ключові слова:скоринг; нейронна мережа; рейтингова функція; апроксимація; функція активації
Altman E.I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy // Journal of Finance. –– 1968. –– № 9. –– P. 589–– 609. 2. Камінський А. Експертна модель кредитного скорингу позичальника банку // Банківська справа. –– 2006. –– № 1. –– С. 75––81. 3. Дмитров С., Черняк В., Кузьменко О. Система скорингу на основі індикаторів ризику як ефективна складова фінансового моніторингу в банку // Вісник НБУ. –– 2011. –– № 1. –– С. 26––32. 4. Васильєв О.М. Принципи скорингового моделювання // Вісник НБУ. –– 2014. –– № 5. –– С. 40––44. 5. Васильев А.Н. Особенности скорингового моделирования на основе линейных рейтинговых функций // Банковское дело. –– 2013. –– № 6. –– С. 75––78. 6. Васильєв О.М. Теоретичні аспекти створення скорингових моделей // Банківська справа. –– 2013. –– № 2. –– С. 73––81. 7. Шульга Н.П. Банківський контролінг : підруч. –– К. : КНТЕУ, 2011. –– 438 с. 8. Вітлінський В.В. Моделювання економіки. –– К. : КНЕУ, 2007. –– 408 с. 9. Матвійчук А.В. Штучний інтелект в економіці: нейронні мережі, нечітка логіка. –– К. : КНЕУ, 2011. –– 439 с. 10. McNelis P.D. Neural networks in finance: gaining predictive edge in the market. –– Oxford : Elsevier. Academic Press, 2005. –– 243 p. 11. Черкашенко В.Н. Этот "загадочный" скоринг // Банковское дело. –– 2006. –– № 3. –– С. 42––48. 12. Шульга Н.П., Мельничук М.В. Організаційне забезпечення ризик-менеджменту в банках України // Вісник КНТЕУ. –– 2012. –– № 1 (81) –– С. 44––56. 13. Бэстенс Д.Э., Берг В.М., Вуд Л. Нейронные сети и финансовые рынки. –– М. : Научное изд-во "ТВП", 1997. –– 236 с. 14. Хайкин C. Нейронные сети. Полный курс. –– М. : Вильямс, 2008. –– 1104 с. 15. Васильєв О.М. Особливості застосування штучних нейронних мереж в економіко-математичному моделюванні // Банківська справа. –– 2013. –– № 8. –– С. 50––57. 16. Васильев А.Н. Перспективы и принципы применения нейронных сетей в скоринговом моделировании // Банковское дело. –– 2013. –– № 9. –– С. 75––78. |