ких рівень ризику однаковий і максимально відрізняється від рівня ризику інших груп.
Нейронні мережі використовуються головним чином при визначенні кредитоспроможності юридичних осіб, де аналізуються вибірки меншого розміру, ніж у споживчому кредиті. Але найбільш успішною областю їх застосування стало виявлення шахрайства з кредитними картками завдяки їх здатності виявляти нестандартні ситуації. У методах класифікації, заснованих на нейронних мережах, вводиться вхідний шар вузлів, внутрішні приховані шари вузлів і вихідний вузол. У вхідному шарі число вузлів дорівнює числу ознак в об'єкті. До кожного вузла підходять градації ознак від розпізнаваного об'єкта. При заданій структурі навчання нейронної мережі полягає у виборі таких ваг її ребер, щоб правильно класифікувати як можна більше об'єктів. Для кожного i-го об'єкта підсумовують ваги ребер, що входять у вихідний вузол, обчислюють вага Ci. У вихідному вузлі використовують ступінчасту передавальну функцію з порогом Cad для класифікації об'єктів на хороші і погані. На величини Ci, ..., N і Cad не накладаються ніяких обмежень. Поріг Cad повинна бути такою, щоб праворуч від нього знаходилися Nb поганих і ліворуч Ng хороших об'єктів. Кожен об'єкт знаходиться від Cad на відомій відстані. Об'єкти можна порівнювати за цим відстаням. p align="justify"> Генетичний алгоритм заснований на аналогії з біологічним процесом природного відбору. У сфері кредитування це виглядає наступним чином: є набір класифікаційних моделей, які піддаються В«мутаціїВ», В«схрещуютьсяВ», і в результаті відбирається В«найсильнішийВ», тобто модель, яка дає найбільш точну класифікацію. p align="justify"> При використанні методу найближчих сусідів вибирається одиниця виміру для визначення відстані між клієнтами. Всі клієнти у вибірці отримують певну просторове положення. p align="justify"> Кожен новий клієнт класифікується виходячи з того, яких клієнтів - поганих чи хороших - більше навколо нього.
На практиці, як правило, використовується комбінація декількох методів, і компанії зберігають свої моделі в найсуворішому секреті. У кожного з методів є свої переваги і недоліки, крім того, вибір того чи іншого методу пов'язаний зі стратегією банку і з тим, які вимоги банк вважає пріоритетними при розробці моделей. Регресійні методи показують значимість кожної характеристики для визначення рівня ризику, і тому особливо важливі на етапі розробки анкети, яку заповнюють клієнти. Лінійне програмування може оперувати великою кількістю змінних і моделювати певні умови: наприклад, якщо маркетингова стратегія банку спрямована на молодь, можна ввести умову, щоб інтегральний показник молодих людей був вище, ніж тих, кому за 60. Нейронні мережі та дерева класифікації дозволяють виявити нелінійні зв'язки між змінними,
які можуть призвести до помилки в лінійних моделях.
При вероятностном підході до...
