Анкетный скоринг

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
Строка 1: Строка 1:
'''Анкетный скоринг''' (Application scoring) — задача прогнозирования риска дефолта заёмщика по данным его анкеты-заявления на получение кредита при обращении заёмщика в банк. Анкетный скоринг наряду с [[Поведенческий скоринг|поведенческим]] и [[Коллекторский скоринг|коллекторским скорингом]] являются видами [[Кредитный скоринг|кредитного скоринга]]. Целью анкетного скоринга, как одного из этапов проверки заёмщика, является минимизация риска банка на основе накопленных статистических данных, то есть отсечение заёмщиков, которые с большой вероятностью попадут в дефолт (не выплатят кредит).
'''Анкетный скоринг''' (Application scoring) — задача прогнозирования риска дефолта заёмщика по данным его анкеты-заявления на получение кредита при обращении заёмщика в банк. Анкетный скоринг наряду с [[Поведенческий скоринг|поведенческим]] и [[Коллекторский скоринг|коллекторским скорингом]] являются видами [[Кредитный скоринг|кредитного скоринга]]. Целью анкетного скоринга, как одного из этапов проверки заёмщика, является минимизация риска банка на основе накопленных статистических данных, то есть отсечение заёмщиков, которые с большой вероятностью попадут в дефолт (не выплатят кредит).
-
В наиболее распространённой постановке анкетный скоринг представляет собой задачу [[Классификация|классификации]] с двумя классами: "хороший" заёмщик (тот, кто вернёт кредит) и "плохой" заёмщик (тот, кто попадёт в дефолт). [[Признак|Признаками]] являются прежде всего данные анкеты-заявления на получение кредита (возраст, пол, образование, трудовой стаж, ...), а также другие данные, которые могут быть получены на момент принятия решения по заёмщику (например, отделение банка, куда обратился клиент).
+
В наиболее распространённой постановке анкетный скоринг представляет собой задачу [[Классификация|классификации]] с двумя классами: "хороший" заёмщик (тот, кто вернёт кредит) и "плохой" заёмщик (тот, кто попадёт в дефолт). [[Признак|Признаками]] являются данные анкеты-заявления на получение кредита (возраст, пол, образование, трудовой стаж, ...), а также другие данные, которые могут быть получены на момент принятия решения по заёмщику (например, отделение банка, куда обратился клиент).
Модели, построенные для решения задачи анкетного скоринга, принято называть скоринговыми картами.
Модели, построенные для решения задачи анкетного скоринга, принято называть скоринговыми картами.
"Классические" скоринговые карты строятся с использованием [[Логистическая регрессия|логистической регрессии]]. При этом значение "1" целевой переменной кодирует "плохого" заёмщика, а "0" - "хорошего". Поэтому [[Логистическая регрессия|логистическая регрессия]] для каждого заёмщика даёт оценку вероятности дефолта, которая затем может быть испоьзована для прогнозирования потерь по данному виду заёмщиков.
"Классические" скоринговые карты строятся с использованием [[Логистическая регрессия|логистической регрессии]]. При этом значение "1" целевой переменной кодирует "плохого" заёмщика, а "0" - "хорошего". Поэтому [[Логистическая регрессия|логистическая регрессия]] для каждого заёмщика даёт оценку вероятности дефолта, которая затем может быть испоьзована для прогнозирования потерь по данному виду заёмщиков.

Версия 14:29, 14 ноября 2008

Анкетный скоринг (Application scoring) — задача прогнозирования риска дефолта заёмщика по данным его анкеты-заявления на получение кредита при обращении заёмщика в банк. Анкетный скоринг наряду с поведенческим и коллекторским скорингом являются видами кредитного скоринга. Целью анкетного скоринга, как одного из этапов проверки заёмщика, является минимизация риска банка на основе накопленных статистических данных, то есть отсечение заёмщиков, которые с большой вероятностью попадут в дефолт (не выплатят кредит).

В наиболее распространённой постановке анкетный скоринг представляет собой задачу классификации с двумя классами: "хороший" заёмщик (тот, кто вернёт кредит) и "плохой" заёмщик (тот, кто попадёт в дефолт). Признаками являются данные анкеты-заявления на получение кредита (возраст, пол, образование, трудовой стаж, ...), а также другие данные, которые могут быть получены на момент принятия решения по заёмщику (например, отделение банка, куда обратился клиент).

Модели, построенные для решения задачи анкетного скоринга, принято называть скоринговыми картами. "Классические" скоринговые карты строятся с использованием логистической регрессии. При этом значение "1" целевой переменной кодирует "плохого" заёмщика, а "0" - "хорошего". Поэтому логистическая регрессия для каждого заёмщика даёт оценку вероятности дефолта, которая затем может быть испоьзована для прогнозирования потерь по данному виду заёмщиков.

Личные инструменты