Оценивание кредитных рисков
Курсовой проект - Компьютеры, программирование
Другие курсовые по предмету Компьютеры, программирование
и портфеля финансовых активов. Применительно к задаче учета факторов риска при оценке эффективности инвестиционных проектов формализация на основе вероятностного подхода
заключается в следующем. На первом этапе определяются множества возможных условий реализации проекта, отвечающих условиям затрат, результатов и показателей эффективности. При этом описание множества возможных условий ведется либо в форме соответствующих сценариев, либо в виде системы ограничений на основные технические, экономические и прочие параметры проекта. На втором этапе исходная информация о факторах риска преобразуется в информацию о вероятностях отдельных условий реализации и соответствующих показателях эффективности или об интервалах их изменения. На третьем, последнем этапе определяются показатели эффективности проекта в целом с учетом риска его реализации, т.е. показатели ожидаемой эффективности.
Ниже представлены результаты оценивания кредитных рисков на основе подхода иммунокомпьютинга.
3Формирование многомерной модели данных
При формировании многомерной модели данных основными понятиями являются измерение и ячейка.
В многомерной модели данных для оценки риска кредитоспособности мы использовали фиксированный набор измерений соответствующий характеристикам, по которым строится оценка кредитоспособности заемщика. К ним относятся, например: гражданство, наличие жилой площади, среднемесячный уровень заработной платы и т.д. Каждому из этих измерений соответствует ячейка содержащая набор индексов, характеризующих признаки кредита.
Характеристики и признаки кредитов, использованные, при решении задачи оценки кредитных рисков, представлены в таблице.
Достоинством этой многомерной модели данных является удобство и эффективность аналитической обработки больших объемов данных, связанных со временем.
Таблица 1. Характеристики и признаки кредитов и заемщиков
№ИндикаторВозможные значения1Возраст клиента1. до 21 2. 21 - 25 3. 25 - 30 4. 30 - 40 5. 40 - 50 6. 50 - 65 7. свыше 652Пол1. Мужской 2. Женский3Гражданство1. Российское 2. Зарубежное4Документы, удостоверяющие личность. Наличие второго документа.1. Нет общегражданского российского паспорта 2. Нет второго документа 3. Второй документ, действующий загранпаспорт 4. Второй документ, СОПС 5. Второй документ, ИНН 6. Второй документ, водительское удостоверение5Адрес регистрации по месту жительства1. В/ч 2. Общ. 3. Лен. область 4. Любой регион России 5. Спб6Адрес фактического проживания1. В/ч 2. Общ. 3. Лен. область 4. Любой регион России 5. Спб7Время проживания по фактическому адресу1. менее года 2. от 1 до 5 3. от 5 до 10 4. свыше 108Наличие жилплощади: арендуемое жилье иное жилье в собственности9Социальный статус 1. не работаю 2. пенсионер 3. студент 4. работаю по временному соглашению 5. работаю по постоянному контракту10Отраслевая принадлежность организации1. Кафе 2. Торговля розничная 3. Торговля оптовая 4. ОП 5. Туризм, сервис 6. Недвижимость 7. Гос. Учреждения 8. Здравоохранение 9. Образование11Направление деятельности1. рабочий персонал 2. неруководящий работник 3. менеджер среднего звена 4. менеджер высшего звена 5. Бухгалтерия, финансы 6. руководитель/зам. Руководителя 7. участие в основной деятельности12Время работы в организации1. менее 1 года 2. 1 3. 2 4. 3 5. 4 6. 5 7. 6 8. 7 9. 8 10. 9 11. 10 12. более 1013Образование1. неполное среднее 2. среднее 3. среднеспециальное 4. неполное высшее 5. высшее 6. два и более высших 7. аспирантура и т.д14Наличие домашнего телефона1. нет 2. есть, но не работает 3. есть15Наличие рабочего стационарного телефона1. нет 2. есть, но нет к нему доступа 3. есть, но сотовый 4. есть, все в порядке16Номер телефона контактного лица.1. клиент не может или хочет оставить номер телефона 2. оставляет, но не указывает контактное лицо 3. оставляет, но неполные данные 4. все в порядке17Семейное положение1. холост/не замужем 2. разведен(а) 3. вдовец/вдова 4. гражданский брак 5. женат/замужем18Персональный среднемесячный доход1. от 5 000 до 10 000 2. от 10 000 до 15 0000 3. от 15 000 до 20 000 4. от 20 000 до 25 000 5. от 25 000 до 35 000 6. свыше 35 00019Кредитная история1. отрицательная 2. были задержки, но кредит погашен 3. нет кредитной истории 4. положительная20Срок кредита1. 24 месяца 2. 12 3. 10 4. 7 5. 6 6. 421Кредитная акция1. временная акция 2. низкодоходный кредит 3. высокодоходный кредит22Сумма займа1. свыше 70000 2. от 50 0000 до 70 000 3. от 35 000 до 50 000 4. от 20 000 до 35 000 5. от 15 000 до 20 000 6. от 10 000 до 15 000 7. до 10 000 23 Наличие первого взноса 1. без первого взноса 2. взнос по установленной процентной ставке 3. взнос выше установленной процентной ставки24Страхование жизни1. Отказ от страхование 2. Страхование
4Data Mining
Data Mining переводится как "добыча" или "раскопка данных". Нередко рядом с Data Mining встречаются слова "обнаружение знаний в базах данных" (knowledge discovery in databases) и "интеллектуальный анализ данных". Их можно считать синонимами Data Mining.
В основу современной технологии Data Mining (discovery-driven data mining) положена концепция шаблонов (паттернов), отражающих фрагменты многоаспектных взаимоотношений в данных. Эти шаблоны представляют собой закономерности, свойственные подвыборкам данных, которые могут быть компактно выражены в понятной человеку форме. Поиск шаблонов производится методами, не ограниченными рамками априорных предположений о структуре выборке и виде распределений значений анализируемых показателей.Mining - это процесс обнаружения в сырых данных:
ранее неизвестных
нетривиальных
практически полезных
и доступных интерпретации знаний
необходимых для принят