Мы в соц. сетях:
Вконтакте Facebook Twitter

Биннинг в нейросетевых скоринговых моделях

Ю. В. Коляда, В. А. Бондарь

Статья посвящена разработке методологического подхода категоризации входных переменных экономико-математических моделей оценки кредитоспособности заемщиков коммерческих банков. Основой математического инструментария выбрана нейронная сеть типа многослойный персептрон. Объектом исследования является процесс категоризации влияющих факторов скоринговых моделей. Предметом исследования является совокупность методов категоризации и способов оценки их влияния на точность модели расчета вероятности невыполнения условий договора заемщиком. В результате проведенных экспериментальных исследований в рамках предложенного методологического подхода было обосновано проведение оптимизации разбиения на категории входных переменных модели за счет максимизации значения коэффициента Джини как показателя адекватности скоринговых моделей. Было получено заключение, что снижение показателя информационной значимости не всегда выступает индикатором ухудшения точности классификатора. В статье также был расширен список рекомендаций по проведению биннинга, который может быть использован для построения более эффективных моделей оценки кредитоспособности заемщиков коммерческих банков.

Ключевые слова. Весомость признака (WOE), информационная значимость (IV), биннинг, скоринговая модель, нейронная сеть

Скачать статью