Теоретичнi аспекти управлiння кредитними ризиками (стр. 6 из 6)
(10)Де r - визначає положення нейрона в сітці.
Звичайно застосовується одні з двох функцій від відстані: проста константа:
(11)
або Гауссова функція:
(12)При цьому кращий результат виходить при використанні Гауссової функції відстані. При цьому
є убутною функцією від часу. Часто цю величину називають радіусом навчання, що вибирається досить великим на початковому етапі навчання і поступово зменшується так, що в остаточному підсумку навчається один нейрон-переможець.Навчання складається з двох основних фаз: на первісному етапі вибирається досить велике значення швидкості навчання і радіуса навчання, що дозволяє розташувати вектора нейронів відповідно до розподілу прикладів у вибірці, а потім виробляється точне підстроювання ваг, коли значення параметрів швидкості навчання багато менше початкових. У випадку використання лінійної ініціалізації первісний етап грубого підстроювання може бути пропущений.
Тому що алгоритм карт Кохонена сполучає у собі два основних напрямки – векторне квантування і проектування, то можна знайти й основні застосування цього алгоритму. Дану методику можна використовувати для пошуку й аналізу закономірностей у вихідних даних. При цьому, після того, як нейрони розміщені на карті, отримана карта може бути відображена. У такий спосіб за допомогою самонавчальних карт Кохонена в задачах оцінки кредитних ризиків можна досить просто й ефективно сегментувати позичальників на групи по подібних факторах.
У цьому курсовому проекті був проведений аналіз моделей оцінки кредитних ризиків а також математичних і статистичних методів за допомогою яких дані моделі реалізуються на практиці.
1. Однією з найкращих і перспективних моделей оцінки ризиків і кредитоспроможності є скорингова модель. Інші моделі не дають точних результатів і вони проблематично підбудовуються під умови українського кредитного ринку, в основному вони оцінюють кредитні ризики щодо кредитного портфеля банку.
2. Скоринг має одну велика перевагу – як вихідний матеріал використовується різноманітна інформація про минулих клієнтів, на основі якої за допомогою різних методів класифікації робиться прогноз про кредитоспроможність майбутніх позичальників.
3. В якості математичних методів для скорингової моделі можуть бути застосовні такі методи як: дискримінантний аналіз, лінійна регресія, нейронні мережі, самонавчальні карти Кохонена, генетичні алгоритми, методи найближчих сусідів, байесовскі мережі. Зазначені методи можуть застосовуватися як по окремості, так і в різних комбінаціях.
4. Найбільш ефективною й оптимальною скоринговою моделлю, буде модель, що складається з комбінації декількох методів. Для оцінки кредитоспроможності фізичних осіб найбільш раціональною буде модель, що складається з комбінації двох методів: самонавчальних карт Кохонена і дерев рішень.
5. За допомогою карт Кохонена досить швидко буде зроблена сегментація позичальників по подібних факторах з наступним аналізом даних. Далі за допомогою дерев рішень на основі вже наявного аналізу буде зроблена класифікація позичальників, у результаті якої позичальник буде віднесений до одному з класів відповідно до категорії ризику.