Ελαχιστοποίηση πιστωτικού κινδύνου με χρήση αλγορίθμων μηχανικής μάθησης
Minimization of credit risk with the use of machine learning algorithms
Προβολή/ Άνοιγμα
Λέξεις κλειδιά
Μηχανική μάθηση ; Πιστωτικός κίνδυνοςΠερίληψη
Τα επονομαζόμενα πιστωτικά χαρακτηριστικά, δηλαδή τα χαρακτηριστικά βάσει των οποίων κάποιος αξιολογείται για τον αν είναι φερέγγυος ως προς την πίστωση του δανείου ή όχι, αποτελούν τον σημαντικό μέρος της τραπεζικής καθημερινότητας, αφού όλο και περισσότεροι άνθρωποι επιθυμούν την απόκτηση καταναλωτικών δανείων. Φυσικά στην εποχή μας τα χαρακτηριστικά, τα οποία αξιολογούν κάποιον για την πιστωτική του ικανότητα, είναι τόσα πολλά όπου καθιστούν την ανάλυση από τον άνθρωπο έως και ακατόρθωτη. Στην παρακάτω διπλωματική εργασία θα δούμε αν οι αλγόριθμοι μηχανικής μάθησης μπορούν να λάβουν υπ’ όψη τους, τους αριθμούς αλλά και τις λέξεις, που διατίθενται σαν χαρακτηριστικά πίστωσης και να αποφανθούν αν κάποιος θα αποπληρώσει το δάνειό του ή εάν ο χρηματοπιστωτικός οργανισμός διατρέχει κίνδυνο ζημίας.