Поиск :
- Новые поступления
- Поиск
- Поиск одной строкой
- Помощь
- Книги 2020
- Книги 2021
- Книги 2022
- Книги 2023
- Ретрофонд
- Статьи из информационных обзоров за 2023
- Статьи из информационных обзоров за 2024
- Авторы
- Издательства
- Серии
- Ключевые слова
- Дерево рубрик
- Статистика поисков
- Статистика справок
Разделы фонда
Справочники
Личный кабинет :
Электронный каталог: Крашенинников, В.Р. - Адаптация моделей прогнозирования кредитоспособности с учетом вновь поступающей информации о клие...
Крашенинников, В.Р. - Адаптация моделей прогнозирования кредитоспособности с учетом вновь поступающей информации о клие...
Нет экз.
Статья
Автор: Крашенинников, В.Р.
Финансовая аналитика: проблемы и решения (электронная версия): Адаптация моделей прогнозирования кредитоспособности с учетом вновь поступающей информации о клие...
2017 г.
ISBN отсутствует
Автор: Крашенинников, В.Р.
Финансовая аналитика: проблемы и решения (электронная версия): Адаптация моделей прогнозирования кредитоспособности с учетом вновь поступающей информации о клие...
2017 г.
ISBN отсутствует
Статья
Крашенинников, В.Р.
Адаптация моделей прогнозирования кредитоспособности с учетом вновь поступающей информации о клиентах / Крашенинников В.Р., Клячкин В.Н., Шунина Ю.С. // . – 2017. – №6. – С.663-674. - 494254. – На рус. яз.
Исследование вопросов прогнозирования возврата кредитов заемщиками с использованием методов машинного обучения. В последнее время широко распространено применение различных видов агрегации этих методов. Актуальной задачей является обновление структуры агрегированного метода прогнозирования по истечении некоторого времени для адаптации к особенностям характеристик вновь поступивших клиентов, а также получения более точного прогноза. Разработка способа обновления структуры модели прогнозирования возврата кредитов, эффективность которого подтверждена практическими испытаниями на данных российских заемщиков. Использование псевдоградиентной процедуры корректировки параметров выбранной модели позволяет получить приемлемую точность прогнозирования на некоторый период. Однако при значительных изменениях кредитной ситуации эта модель не в состоянии обеспечить достаточную точность прогноза, ни при каких значениях своих параметров, поэтому периодически нужно менять структуру модели, чтобы она в новых условиях обеспечивала достаточную точность прогнозирования и получение более обоснованных решений о выдаче кредита новым клиентам.
Ключевые слова = АГРЕГИРОВАННАЯ МОДЕЛЬ
Ключевые слова = АДАПТАЦИЯ
Ключевые слова = АДАПТИВНАЯ МОДЕЛЬ
Ключевые слова = БАНК
Ключевые слова = БАНКОВСКАЯ ДЕЯТЕЛЬНОСТЬ
Ключевые слова = ВОЗВРАТ
Ключевые слова = ЗАЕМНЫЕ СРЕДСТВА
Ключевые слова = ИЗМЕНЕНИЯ
Ключевые слова = ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ
Ключевые слова = ИНФОРМАЦИЯ
Ключевые слова = ИСПЫТАНИЯ
Ключевые слова = ИССЛЕДОВАНИЯ
Ключевые слова = КЛИЕНТ
Ключевые слова = КОРРЕКТИРОВКА
Ключевые слова = КРЕДИТ
Ключевые слова = КРЕДИТОРСКАЯ ЗАДОЛЖЕННОСТЬ
Ключевые слова = КРЕДИТОСПОСОБНОСТЬ
Ключевые слова = МЕТОДИКА
Ключевые слова = ПАРАМЕТРЫ
Ключевые слова = ПРОГНОЗ
Ключевые слова = ПРОГНОЗИРОВАНИЕ
Ключевые слова = ПРОФЕССИОНАЛЬНАЯ ПОДГОТОВКА
Ключевые слова = РОССИЯ
Ключевые слова = СТРУКТУРА
Ключевые слова = УПРАВЛЕНЧЕСКОЕ РЕШЕНИЕ
Ключевые слова = ЭФФЕКТИВНОСТЬ
Ключевые слова = ФИНАНСЫ. КРЕДИТНО-ДЕНЕЖНАЯ ПОЛИТИКА
Крашенинников, В.Р.
Адаптация моделей прогнозирования кредитоспособности с учетом вновь поступающей информации о клиентах / Крашенинников В.Р., Клячкин В.Н., Шунина Ю.С. // . – 2017. – №6. – С.663-674. - 494254. – На рус. яз.
Исследование вопросов прогнозирования возврата кредитов заемщиками с использованием методов машинного обучения. В последнее время широко распространено применение различных видов агрегации этих методов. Актуальной задачей является обновление структуры агрегированного метода прогнозирования по истечении некоторого времени для адаптации к особенностям характеристик вновь поступивших клиентов, а также получения более точного прогноза. Разработка способа обновления структуры модели прогнозирования возврата кредитов, эффективность которого подтверждена практическими испытаниями на данных российских заемщиков. Использование псевдоградиентной процедуры корректировки параметров выбранной модели позволяет получить приемлемую точность прогнозирования на некоторый период. Однако при значительных изменениях кредитной ситуации эта модель не в состоянии обеспечить достаточную точность прогноза, ни при каких значениях своих параметров, поэтому периодически нужно менять структуру модели, чтобы она в новых условиях обеспечивала достаточную точность прогнозирования и получение более обоснованных решений о выдаче кредита новым клиентам.
Ключевые слова = АГРЕГИРОВАННАЯ МОДЕЛЬ
Ключевые слова = АДАПТАЦИЯ
Ключевые слова = АДАПТИВНАЯ МОДЕЛЬ
Ключевые слова = БАНК
Ключевые слова = БАНКОВСКАЯ ДЕЯТЕЛЬНОСТЬ
Ключевые слова = ВОЗВРАТ
Ключевые слова = ЗАЕМНЫЕ СРЕДСТВА
Ключевые слова = ИЗМЕНЕНИЯ
Ключевые слова = ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ
Ключевые слова = ИНФОРМАЦИЯ
Ключевые слова = ИСПЫТАНИЯ
Ключевые слова = ИССЛЕДОВАНИЯ
Ключевые слова = КЛИЕНТ
Ключевые слова = КОРРЕКТИРОВКА
Ключевые слова = КРЕДИТ
Ключевые слова = КРЕДИТОРСКАЯ ЗАДОЛЖЕННОСТЬ
Ключевые слова = КРЕДИТОСПОСОБНОСТЬ
Ключевые слова = МЕТОДИКА
Ключевые слова = ПАРАМЕТРЫ
Ключевые слова = ПРОГНОЗ
Ключевые слова = ПРОГНОЗИРОВАНИЕ
Ключевые слова = ПРОФЕССИОНАЛЬНАЯ ПОДГОТОВКА
Ключевые слова = РОССИЯ
Ключевые слова = СТРУКТУРА
Ключевые слова = УПРАВЛЕНЧЕСКОЕ РЕШЕНИЕ
Ключевые слова = ЭФФЕКТИВНОСТЬ
Ключевые слова = ФИНАНСЫ. КРЕДИТНО-ДЕНЕЖНАЯ ПОЛИТИКА