Специалисты компании Scorto ответят на ваши вопросы
Заказать демо
Контакты:

+7 (499) 677-49-87
contacts@scorto.ru

Главная / Кредитный скоринг / Разработка скоринговых моделей силами банка: Scorto™ Model Maestro

Scorto™ Model Maestro предоставляет банку следующие методы разработки скоринговых моделей:

Логистическая регрессия
Модель логистической регрессии определяет зависимость между характеристиками заемщика и вероятностью успешного погашения кредита. Преимуществом является то, что данный формат скоринговой модели является достаточно наглядным. Кроме этого, переменные могут включаться в модель последовательно, что дает возможность сравнивать заемщиков внутри одного признака (например, по качеству кредитной истории), а также сравнивать весомость различных признаков в итоговом балле заемщика. Логистическая регрессия по сравнению с остальными методами менее чувствительна к размеру выборки и соотношению плохих/хороших заемщиков в ней.

Нейронные сети
Нейронные сети представляют собой математическую структуру способную к обобщению неклассифицированной информации. Главным отличием нейросетей от других методов является то, что они, в принципе, не нуждаются в заранее известной скоринговой карте, а строят ее сами только на основе предоставляемой информации. Именно поэтому нейронные сети и вошли в практику скоринга, где встречаются плохо просчитываемые задачи, для решения которых необходимы либо постоянная работа группы квалифицированных экспертов, либо адаптивные системы автоматизации, каковыми и являются нейронные сети.

Деревья решений
«Дерево решений» представляет собой иерархическую структуру условий, на основании которых принимается решение. Метод «деревьев решений» дает возможность построить нелинейную зависимость между количественной оценкой кредитоспособности и характеристиками заемщика, а также представляет собой один из самых удобных способов визуализации и интерпретации логики решений, принимаемых скоринговыми моделями. Преимуществом метода «деревьев решений» также является возможность обнаружения редких событий, что часто используется для выявления случаев мошенничества.

Правила решений
Правила решений представляют развитие методики «деревьев решений». Древовидная структура правил преобразуется в список сложных условий, которые затем упрощаются для увеличения уровня обобщения. Полученный список работает в формате «комитета» — при анализе происходит обобщение прогнозов всех правил, которым соответствуют характеристики заемщика. Результатом анализа определяется тот, за который собрано большее количество «голосов».

Экспертные скоринговые карты
В большинстве случаев, первая и самая основная проблема - это отсутствие качественной или вообще какой-либо информации для разработки скоринговой модели с использованием методов Data Mining. В этом случае наиболее эффективным решением является экспертная скоринговая карта. При этом подходе весовые коэффициенты, соответствующие различным характеристикам заемщика, определяются кредитным экспертом (аналитиком). Рейтинг заемщика вычисляется как сумма весовых коэффициентов, которые соответствуют выбранным характеристикам заемщика.