ПРИМЕНЕНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ К РАСЧЕТУ РЕНТАБЕЛЬНОСТИ СОБСТВЕННОГО КАПИТАЛА БАНКА ПО КРЕДИТНОМУ ДОГОВОРУ

Аннотация

Требования к более точной оценке индивидуального риска заемщика усложнились с введением Базель II и IFRS 9. Все более часто такую оценку риска производят с помощью построения скоринговых моделей, однако, как правило, критерием качества построенных моделей выступает коэффициент Gini , и совсем не исследуется влияние моделирования на финансовую составляющую, а именно на рентабельность капитала, которая выступает базой для ведения бизнеса в области кредитования. В связи с этим в статье предлагается методика оценки рентабельности капитала без учета риска и ее усложнение за счет принятия ко вниманию индивидуального риска заемщика. Само построение динамической модели оценки кредитного риска в статье рассматривается на основании моделей выживания, построенных методами машинного обучения. Проблема учета цензурированных данных решается с помощью специфического построения переменных для модели и методов, которые учитывают цензурирование: логистической регрессии, модели пропорциональных рисков Кокса, модели случайного леса выживаемости. На примере данных регионального коммерческого банка оценивается рентабельность собственного капитала и производится их сравнение в зависимости от выбора модели оценки риска. В результате исследования делается вывод о необходимости применения методики расчета рентабельности собственного капитала с учетом риска, оцененным методом машинного обучения.