Оценка кредитоспособности заемщиков БИНБАНК методами нейросетевого моделирования
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
я все релевантные документы прогнозной финансовой информации, к которым относятся бизнес-план, бюджеты, проекты денежных потоков, технико-экономическое обоснование и др. анализируя всю предоставленную документацию, можно сделать вывод, что прогнозная финансовая информация дает наилучшую базу для анализа оценки кредитоспособности заемщика, а остальная документация позволяет производить анализ текущего финансового состояния заемщика. В связи с этим, разные коммерческие банки разрабатывают собственные специальные требования к формату и содержанию прилагаемых к кредитной заявке документов, которые относятся к прогнозируемым периодам. К тому же, в каждом кредитном учреждении существуют и модернизируются специальные процедуры мониторинга достоверности данных документов финансовой информации заемщика, необходимой для предоставления кредитных ресурсов.
Процесс кредитования связан с разнообразным набором факторов риска, которые влекут за собой не только непогашение кредита в установленный срок, но и несоблюдение обязательств по кредитному договору. Поэтому, объективная оценка финансового состояния заемщика и его кредитоспособности, позволяют банку эффективно управлять кредитными ресурсами и получать прибыль.
В связи с последствиями финансового кризиса, банки ужесточили условия выдачи кредитов. В связи с этим, многим компаниям было отказано в получении кредита. Но с другой стороны, кредитные учреждения, являясь посредниками в финансовой системе страны, тем самым затормаживают развитие экономики. В конечном итоге, для развития экономики кредиты должны выдаваться, поэтому заемщиков стоит оценивать не только с количественной, но и с качественной стороны. Таким образом, необходима модель, которая бы учитывала как количественные, так и качественные факторы. Одной из таких моделей может стать модель на основе нейросетевых технологий.
.4 Оценка кредитоспособности на основе нейросетевых технологий
Основным показателем кредитоспособности заемщика является его кредитный рейтинг, выставляемый кредитующей организацией. Суть присвоения рейтинга состоит в переходе от группы различных показателей, в основном финансовых, к единственному интегрированному показателю, так называемому рейтингу. Инструментами показателей, которые участвуют в раiете, устанавливаются банками на субъективной основе. Но данный метод может искажать результаты и является рискованным[5].
В последнее время все чаще начинают использоваться методы, которые позволяют учитывать неполноту и искаженность информации для задач классификации, а также вероятностную природу получаемых заключений. К таким можно отнести нечетко-множественный и логико-вероятностный методы. В данную группу входит класс математических моделей, к которым и относятся искусственные нейронные сети (НС). (Hopfield J., 2005)
Нейронные сети широко используют для прогноза финансового кризиса такие известные фирмы, как General Electric, American Airlines, Coca Cola, Philip Morris, Procter&Gamble и многие другие.
Искусственные нейронные сети представляют собой математические модели, построенные по принципу организации и функционирования биологических нейронных сетей - сетей нервных клеток живого организма. Стоит сказать, что основу каждой нейронной сети составляют относительно простые элементы (ячейки), которые имитируют работу нейронов мозга. Далее под нейроном будет подразумеваться искусственный нейрон, то есть ячейка нейронной сети. Таким образом, чтобы понять суть нейрона рассмотрим его прототип - биологический нейрон.
Мозг человека состоит из белого и серого вещества: белое - это тела нейронов, а серое - соединяющие их нервные волокна. Каждый нейрон состоит из трех частей: тела клетки, дендритов и аксона. Нейрон получает информацию через свои дендриты, а передает ее дальше через аксон, разветвляющийся на конце на тысячи синапсов - нервных нитей, соединяющих нейроны между собой [15].
Рисунок 1. Структура пары типичных биологических нейронов
Дендриты идут от тела нервной клетки к другим нейронам, где они принимают сигналы в точках соединения, называемых синапсами. Принятые синапсом входные сигналы подводятся к телу нейрона. Здесь они суммируются, причем одни входы стремятся возбудить нейрон, другие - воспрепятствовать его возбуждению. Когда суммарное возбуждение в теле нейрона превышает некоторый порог, нейрон возбуждается, посылая по аксону сигнал другим нейронам. У этой основной функциональной схемы много усложнений и исключений, тем не менее, большинство искусственных нейронных сетей моделируют лишь эти простые свойства [18].
Теперь перейдем к рассмотрению искусственного нейрона. Каждый нейрон характеризуется своим текущим состоянием по аналогии с нервными клетками головного мозга, которые могут быть возбуждены или заторможены. Также, нейрон имеет несколько входов (синапсов) и один выход (аксон). Группа синапсов - однонаправленные входные связи, соединенные с выходами других нейронов; аксон - выходная связь данного нейрона, с которой сигнал (возбуждения или торможения) поступает на синапсы следующих нейронов. Через входы, число которых составляет i, нейрон принимает входные сигналы xi, которые суммирует, умножая каждый входной сигнал на некоторый весовой коэффициент wi. Таким образом определяется текущее состояния нейрона [15]:
C каждым нейроном связано определенное пороговое значение. Текущее состояние нейрона сравнивается с поро?/p>