Статьи, Журналы
Методы теории нечетких множеств в кредитном скоринге
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. — Библиогр. в конце ст.
Выпуск
Финансы и кредит, 2017, N 35
Источник
Рекомендовано к ознакомлению
- 1. Серов, И. Как, используя Python, сократить время на разработку скоринговых моделей и улучшить их качество / И. Серов // Банковское кредитование. — 2019 — N1. — С.70-76.
- 2. Кокшарова, А. Скоринг кредитных заявок: как перейти от статистических методов к моделям машинного обучения? / А. Кокшарова // Банковское кредитование. — 2018 — N5. — С.17-24.
- 3. Васильев, А.Н. Особенности скорингового моделирования на основе линейных рейтинговых функций / А.Н. Васильев // Банковское дело. — 2013 — N6. — 75-78.
- 4. Волкова, Е.С. Современные подходы к применению методов интеллектуального анализа данных в задаче кредитного скоринга / Е. С. Волкова, В. Б. Гисин, В. И. Соловьев // Финансы и кредит. — 2017 — N34. — С.2044-2060.
- 5. Васильев, А.Н. Перспективы и принципы применения нейронных сетей в скоринговом моделировании / А.Н. Васильев // Банковское дело. — 2013 — N9. — 75-78.
- 6. Павлов, Е. Прогнозирование инфляции в России с помощью нейронных сетей / Е. Павлов // Деньги и кредит. — Москва, 2020 — N 1. Том 79. — С.57-73.
- 7. Балагаев, А.Ю. Цифровая трансформация экономики России: возможности и риски / А.Ю. Балагаев // Банковское дело. — 2018 — N7. — С.64-67.
- 8. Данилина, М. Поднять клиента / М. Данилина, М. Толмачев // Банковское обозрение. — 2018 — N2. — С.62-63.
- 9. Джункеев, У.К. Прогнозирование безработицы в России с помощью методов машинного обучения / У. К. Джункеев // Деньги и кредит. — Москва, 2022 — N 1. Том 81. — С.73-87.
- 10. Двойников, Д. Анализ клиентского сервиса при помощи нейронных сетей / Д. Двойников // Банковское дело. — 2017 — N11. — С.74-76.
Отзывы читателей
0