Статьи, Журналы
Перспективы и принципы применения нейронных сетей в скоринговом моделировании
Статьи, Журналы
Перспективы и принципы применения нейронных сетей в скоринговом моделировании
Васильев, А.Н. Перспективы и принципы применения нейронных сетей в скоринговом моделировании / А.Н. Васильев // Банковское дело. — 2013 — N9. — 75-78. — Библиогр. в конце ст.
Поделиться
Вконтакте 
Одноклассники 
Telegram Выпуск
Банковское дело, 2013, N 9
Источник
Аннотация
В статье обсуждаются перспективы применения искусственных нейронных сетей в скоринговом моделировании. Описываются принципы создания искусственных нейронных сетей. Анализируются сильные и слабые стороны нейросетевого моделирования.
Ключевые слова
Рекомендовано к ознакомлению
- 1. Волкова, Е.С. Методы теории нечетких множеств в кредитном скоринге / Е. С. Волкова, В. Б. Гисин, В. И. Соловьев // Финансы и кредит. — 2017 — N35. — С.2088-2106.
- 2. Васильев, А.Н. Особенности скорингового моделирования на основе линейных рейтинговых функций / А.Н. Васильев // Банковское дело. — 2013 — N6. — 75-78.
- 3. Кокшарова, А. Скоринг кредитных заявок: как перейти от статистических методов к моделям машинного обучения? / А. Кокшарова // Банковское кредитование. — 2018 — N5. — С.17-24.
- 4. Долженко, Р.А. Геомаркетинговое моделирование расположения офисов продаж коммерческого банка / Р.А. Долженко // Банковское дело. — 2017 — N3. — 64-71.
- 5. Забродина, К.О. Спиновое стекло как метод представления ценовых изменений на финансовых рынках / К.О. Забродина // Финансовая аналитика: проблемы и решения. — 2015 — N5. — 21-28.
- 6. Пономарева, А. Скоринг и предубеждение: возможна ли сегрегация при одобрении кредитов / А. Пономарева // Банковская аналитика. — 2018 — N15. — С.48-49.
- 7. Пономарева, А. Скоринг и предубеждение: возможна ли сегрегация при одобрении кредитов / А. Пономарева // Кредиты и инвестиции. — 2018 — N15. — С.16-17.
- 8. Ломакин, Н.И. Исследование рыночной доли кредитного портфеля банка с помощью нейронной сети / Н.И. Ломакин, Ю.В. Фемелиди // Финансовая аналитика: проблемы и решения. — 2017 — N11. — С.1220-1233.
- 9. Гибридные распределенные регрессионные и интеллектуальные системы прогноза показателей социально-экономического развития России / О. В. Китова [и др.] // Вестник Российского экономического университета имени Г.В. Плеханова. — 2017 — N2. — 147-161.
- 10. Серов, И. Как, используя Python, сократить время на разработку скоринговых моделей и улучшить их качество / И. Серов // Банковское кредитование. — 2019 — N1. — С.70-76.
Отзывы читателей
0