Применение методов машинного обучения для оценки кредитоспособности заемщиков

Туков, М.С. Применение методов машинного обучения для оценки кредитоспособности заемщиков / М. С. Туков, А. В. Родинов // Финансовые рынки и банки. — Москва, 2026 — N 5. — С.458-459. — Библиогр. в конце ст.

Туков, М.С. и Родинов, А.В., (2026), "Применение методов машинного обучения для оценки кредитоспособности заемщиков", Финансовые рынки и банки, Москва, 2026, N 5, С.458-459.

Туков М С, Родинов А В. Применение методов машинного обучения для оценки кредитоспособности заемщиков. Финансовые рынки и банки. 2026; (N 5). С.458-459.

нет оценок

Выпуск

Финансовые рынки и банки, 2026, N 5

Источник

Аннотация

В статье рассматриваются возможности применения методов машинного обучения для прогнозирования кредитных дефолтов заемщиков. Особое внимание уделяется ансамблевым алгоритмам Random Forest и XGBoost, способным эффективно выявлять нелинейные зависимости между финансовыми, демографическими и поведенческими характеристиками клиентов. Проведен анализ преимуществ данных методов по сравнению с традиционными статистическими подходами, такими как логистическая регрессия и линейный дискриминантный анализ.

Ключевые слова

УДК:

336.77

Применение методов машинного обучения для оценки кредитоспособности заемщиков

Применение методов машинного обучения для оценки кредитоспособности заемщиков

Аннотация

Ключевые слова

Рекомендовано к ознакомлению

Отзывы читателей