Оценка кредитоспособности физических лиц методом кредитного скоринга

Автор работы: Пользователь скрыл имя, 08 Мая 2015 в 16:28, курсовая работа

Описание работы

Постоянное совершенствование систем кредитования населения в условиях роста конкуренции между банками по праву может считаться для банка важнейшим условием формирования его репутации и престижности в качестве универсального кредитного учреждения, а также является дополнительным источником дохода от реализации кредитных операций с физическими лицами.
Следовательно, анализ кредитоспособности заемщика и методы оценки кредитоспособности физических лиц, в частности кредитный скоринг, который будет рассмотрен в данной курсовой работе, является весьма актуальной темой на сегодняшний день.

Содержание работы

Введение…………………………………………………………………………..3
Скоринг как метод оценки кредитного риска………………………………….4
1.1 Понятие «скоринг», его цели и задачи…………………………………….4
1.2 Обзор и сравнение методов и подходов к созданию скоринговой модели..5
1.2.1 Линейный дискриминантный анализ……………………………………5
1.2.2 Многофакторная логическая регрессия…………………………………6
1.2.3 Кластерный анализ………………………………………………………..6
1.2.4 Деревья решений………………………………………………………….7
1.3 Построение скоринговой инфраструктуры……………………………….7
2 Понятие «Data Mining» и анализ его методов и стадий……………………8
2.1 Понятие «Data Mining»…………………………………………………… 8
2.2 Анализ стадий и методов Data Mining……………………………………8
3 Характеристики набора данных кредитного скоринга и выбор метода построения его модели………………………………………………………..10
3.1 Характеристика набора данных………………………………………….10
3.2 Кластерный анализ набора данных……………………………………...11
4 Проведение анализа кредитного скоринга физических лиц в аналитической платформе Deductor 5.3………………………………………………………14
4.1 Импорт текстового файла………………………………………………...14
4.2 Кластеризация набора данных алгоритмом k-means……………………19
Заключение…………………………………………………………………….29
Список источников……………………………………………………………30

Файлы: 1 файл

ГЛАВА 1.doc

— 2.15 Мб (Скачать файл)

2) наиболее значимыми переменными для обоих кластеров при скоринговом анализе кредитоспособности являются переменные «акции», «оплата предыдущих кредитов», «счет» и «предыдущее трудоустройство».

3) наименее значимыми переменными  для обоих кластеров при скоринговом  анализе являются переменные  «ставка», «цель кредита» и «гражданство».

4) абсолютно все переменные являются  более значимыми для второго  кластера (некредитоспособные), чем  для первого (кредитоспособные).

 

 

 

 

 

 

 

ЗАКЛЮЧЕНИЕ

В данной курсовой работе были проанализированы предметные области  банковского риск-менеджмента, в частности оценка кредитополучателя при помощи скоринга, а также предметная область методологии Data Mining, а именно кластерного анализа и вариации его методов. Кроме этого, был найден набор данных «Определение кредитоспособности заемщиков с помощью кредитного скоринга», состоящий из характеристик 1000 заемщиков немецкого банка.

На основе полученных знаний алгоритм k-means кластерного анализа был применен к найденному набору данных с целью создания скоринговой модели. Реализация модели осуществлялась в аналитической платформе Deduсtor Academic версии  5.3.

Результат, полученный при составлении скоринговой модели, позволил сделать следующие выводы:

      1. процент кредитоспособных заемщиков в немецком банке больше процента некредитоспособных на 7,2 %.
      2. наиболее важными характеристиками при скоринговом анализе кредитоспособности являются данные о владении акциями, оплате предыдущих кредитов и состоянии текущего счета заемщика.
      3. наименее значимыми характеристиками при скоринговом анализе являются данные о ставке и цели кредита, а также гражданстве заемщика.

 

 

 

 

 

 

 

 

Список источников

1) «Биржевой аналитический  портал ClusterDelta.Com», [Электронный ресурс] - Режим доступа: свободный, http://clusterdelta.com/.

2) «Банкир.Ру: Информационное агентство», [Электронный ресурс] - Режим доступа: свободный, http://bankir.ru/.

3) «Корпоративный менеджмент-финансовый анализ и инвестиции», [Электронный ресурс] - Режим доступа: свободный, http://www.cfin.ru/.

4) «Бюро кредитных историй: БКИ», [Электронный ресурс] - Режим доступа: свободный, http://www.equifax.ru/ .

5)  «Теория и практика финансового учета», [Электронный ресурс] - Режим доступа: свободный, http://gaap.ru/ .

6)  «Информационные технологии и программирование», [Электронный ресурс] - Режим доступа: свободный, http://life-prog.ru/ .

7) «Бизнес-портал AUP.ru» », [Электронный ресурс] - Режим доступа: свободный, http://www.aup.ru/.

8)  «STATISTICA: Data Mining, анализ данных», [Электронный ресурс] - Режим доступа: свободный, http://www.statsoft.ru/.

9) «Datasets and Departament of Statistics», University of Minich , [Электронный ресурс] - Режим доступа: свободный, http://www.stat.unimuenchen.de/service/datarchiv/kredit/kreditvar_e.html.

      10) «BaseGroup Labs, технологии анализа данных», [Электронный ресурс] - Режим доступа: свободный, http://www.basegroup.ru/.

11) «Википедия: свободная энциклопедия», [Электронный ресурс] - Режим доступа: свободный, https://ru.wikipedia.org.

12) «Анализ финансовых состояний предприятий», [Электронный ресурс] - Режим доступа: свободный, http://afdanalyse.ru/,.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


Информация о работе Оценка кредитоспособности физических лиц методом кредитного скоринга