Оценивание кредитных рисков
Курсовой проект - Компьютеры, программирование
Другие курсовые по предмету Компьютеры, программирование
1 2 1 1 ];=[1 4 18 4 3 1098 1 1 4 2 1 4 3 65 3 2 2 1 1 1
2 24 2 3 3758 3 1 1 2 1 4 4 23 3 1 1 1 1 1
1 11 4 0 3905 1 3 2 3 1 2 1 36 3 1 2 3 2 1
1 12 2 3 674 2 4 4 4 1 1 2 20 3 2 1 3 1 1
1 6 4 3 1957 1 4 1 2 1 4 3 31 3 2 1 3 1 1 ];=[ 0 1 20 4 0 2235 1 3 4 4 3 2 2 33 1 1 2 3 1 1
1 12 4 0 2171 1 3 4 3 1 4 2 38 1 2 2 2 1 1
1 10 4 0 2241 1 2 1 3 1 3 1 48 3 1 2 2 2 1
1 8 4 0 3398 1 4 1 3 1 4 1 39 3 2 2 2 1 1
1 6 4 0 1361 1 2 2 3 1 4 1 40 3 2 1 2 2 1];
[U1,S1,V1]=svd(A1);
[U2,S2,V2]=svd(A2);=[];=[]k=1:5;=Z*1/S1(k,k)*V1(:,k);=Z*1/S2(k,k)*V2(:,k);=[W1 w1 ];=[W2 w2]=[];i=1:5;=abs(sqrt((W1(1)-U1(i,1))^2+(W1(2)-U1(i,1))^2+(W1(3)-U1(i,1))^2+...
(W1(4)-U1(i,1))^2+(W1(5)-U1(i,1))^2));=abs(sqrt((W2(1)-U2(i,1))^2+(W2(2)-U2(i,1))^2+(W2(3)-U2(i,1))^2+...
(W2(4)-U2(i,1))^2+(W2(5)-U2(i,1))^2));=[D d1 d2];=[W1(1) 1;W1(2) 1;W1(3) 1;W1(4) 1;W1(5) 1;W2(1) 1;W2(2) 1;W2(3) 1;W2(4) 1;W2(5) 1];=[0.8530; 0.6221; 0.3510; 0.5132; 0.4018; 0.0760; 0.2399; 0.1233; 0.1839; 0.2400];=0.35
[Um,Sm,Vm]=svd(M);=1/Sm(1,1)*Vm(:,1)*Um(:,1)=1/Sm(2,2)*Vm(:,2)*Um(:,2)=c1+c2=C*b=M*C=[0.36; 0.36;0.36; 0.36;0.36; 0.36;0.36; 0.36;0.36; 0.36]([I], g)on([y], r)
Входными данными являются выборка из 10 кредитов, A1 и A2 и произвольный вектор b.
Результат формирования индексов оценки кредитных рисков представлен на рисунке 7.
Рис. 7. Формирование оценок кредитных рисков.
Проведем интерпретацию полученных результатов. Относительно заданного показателя равного 0,35 кредиты 1,2,4 и 5 являются хорошими, соответственно кредиты 6,7,8,3 и 10 являются плохими.
Заключение
В ходе выполнения данной курсовой работы представлены результаты оценивания кредитных рисков на основе разработанных вычислительных процедур иммунокомпьютинга. Для их реализации на основе инструментальных средств системы Matlab проведено обоснование выбора структуры пакета прикладных программ, проанализированы его характеристики и возможности. На языке Matlab разработаны прикладные программы, реализующие вычислительные процедуры на основе иммунокомпьютинга: кластеризации, классификации и формирование оценок рисков кредитов.
С помощью разработанного пакета прикладных программ решены задачи классификации и кластеризации кредитных рисков на основе исходной информации, полученной из фрагментов стандартной базы данных о заемщике
Разработанная интеллектуальная информационная система позволяет быстро и достаточно точно оценивать кредитные риски связанные с потенциальными заемщиками .
Она может быть использована в банковском деле для помощи эксперту в принятии решения об одобрении или отклонении заявки потенциального заемщика. Таким образом, данная интеллектуальная информационная система помогает снизить риск денежных потерь при выдаче кредита плохому заемщику.
Усовершенствование данного пакета прикладных программ позволит расширить его возможности. Например, при определенной доработке данного пакета прикладных программ можно увеличить количество классов заёмщиков и в соответствии с этим установить денежные интервалы для каждого класса, в пределах которых можно выдавать кредиты.
Список используемой литературы
1.Соколова С. П., Кузьмина Е. А. Методические указания к выполнению лабораторных работ по дисциплине Интеллектуальный анализ данных - СПБ, 2007
2.Соколова С. П., Соколова Л.А. Методические указания к выполнению лабораторных работ по дисциплине Интеллектуальные информационные системы - СПБ, 2004
.Д.к. В.А. Обработка данных на ПК в примерах. - СПб: Питер, 1997
4.Волков С.Н. Оценивание кредитного риска: теоретико- вероятностные подходы, 2005
5.Колосов А.В. д.э.н., Российская инженерная Академия Оценка риска в информационно-аналитической деятельности.