Абай атындағы ҚазҰпу-нің хабаршысы, «Физика-математика ғылымдары» сериясы, №3 (7 9 ), 2022 150 мрнти



Pdf көрінісі
бет2/7
Дата30.12.2023
өлшемі1,21 Mb.
#199874
1   2   3   4   5   6   7
Байланысты:
вестник КазНПУ 2

Түйiн сөздер: 
несиелеу, несиелік скоринг, скорингтік модельдеу, логистикалық регрессия, тәуекелді бағалау 
жүйесі, несие нарығы. 
 
Аннотация 
А.К. Айтим 
1*
, Г.К. Сембина 
1
 
1
Международный Университет Информационных Технологий, г.Алматы, Казахстан 
РАЗРАБОТКА СИСТЕМ ЭФФЕКТИВНОЙ ОЦЕНКИ КРЕДИТНЫХ РЕЙТИНГОВ 
 
В статье представлено, что в связи с возрастанием значения фактора времени в настоящее время все большее 
значение приобретают автоматизированные методы оценки кредитоспособности. Оценка кредитоспособности 
считается одним из важнейших процессов, когда банки принимают решения по кредитному менеджменту. При 
массовом потребительском кредитовании практически в присутствии потенциального заемщика возникает 
необходимость принятия решения о выдаче кредита. Для прибыльной работы на рынке розничного кредитования 
необходима эффективная система оценки рисков, которая позволяла бы заранее отсечь неблагонадежных 
заемщиков и не отказать надежным заемщикам, обоснованно определить размер потребительского кредита или 
лимита по кредитной карте. Эта система должна создать запас прочности для банка. Одним из таких 
автоматизированных методов оценки кредитоспособности контрагента является метод скоринга. 
Ключевые слова:
кредитование, кредитный скоринг, скоринговое моделирование, логистическая регрессия, 
система оценки рисков, кредитный рынок. 
 
1 Introduction 
Credit evaluation is considered one of the most important processes when banks make decisions on credit 
management. This process involves the collection, testing and systematization of various credit components 
and variables for evaluating credit opinions. The quality of bank loans is considered the main factor 


ВЕСТНИК КазНПУ им. Абая, серия «Физико-математические науки», №
3
(7
9
), 2022 г.
 
151 
determining the competitiveness, viability and profitability of banks. Credit scoring is considered one of the 
more powerful sets for systematizing bank buyers as part of the credit assessment process to reduce the current 
and expected risk of a bad credit situation of the buyer. To build a credit scoring model, you need to have high-
quality data about borrowers, such as how the accuracy of the model depends on the data you choose to study 
it. Proper data is essential for predicting various types of lending, for example, for consumer loans and business 
loans, the models will differ [1]. 
For the subsequent construction of the model and assessment of its quality, it is important to consider the 
ratio of the amount of data corresponding to the default of customers and successful solvency. For the model 
to work correctly, it is necessary to have approximately the same number of both default and successful orders 
in the data. It is extremely important for the study to precisely determine the loan defaults, so there should be 
many such examples in the data. 


Достарыңызбен бөлісу:
1   2   3   4   5   6   7




©engime.org 2024
әкімшілігінің қараңыз

    Басты бет