Розробка системи для підтримки прийняття рішень щодо надання кредитів

Abstract

У даній кваліфікаційній роботі на здобуття освітнього ступеня бакалавр виконано детальний і конструктивний огляд і аналіз сфери розробки програмного забезпечення для такої галузі фінансової інженерії, як кредитний скоринг. Потреба у розробці такого роду програмного забезпечення обумовлено вищою точністю у прийнятті рішень щодо надання чи не надання кредитних послуг клієнтам банку із мінімізацією ризику його не повернення клієнтом. Окрім того, програмне забезпечення зменшує витрати банку на проведення такого роду процедур. У роботі спочатку спроектовано кридитно-скорингову програмну систему, а потім її практично сконструйовано. В основу прийняття рішення використано алгоритм машинного навчання – дерево прийняття рішень. Виконано різностороннє дослідження точності роботи такого програмного забезпечення на основі звичайної метрики точності, f1 метрики точності та метрики точності у вигляді roc_auc. Для підвищення якості роботи даного програмного забезпечення проведено у вигляді програмної реалізації процедури гіпероптимізації алгоритму машинного навчання – дерева прийняття рішень на основі різних оптимізаційних програмних засобів. Програмно реалізовано можливість зберігати для повторного використання певних програмних компонент, які були навчені у дані програмній системі на даних, тобто реалізовано технологію повторновикористовуваних компонентів. Таким чином, розробка дає змогу зберігати класифікатора і імпортувати його зовні для можливості використання сторонніми програмами. Також у роботі приділена велика увага процедурі попередньої обробки даних для суттєвого підвищення якості роботи програмної розробки, що підтверджує її високу прицизійність і відповідно зниження ризиків для банку

In this qualification work for obtaining a bachelor's degree, a detailed and constructive review and analysis of the field of software development for such a field of financial engineering as credit scoring is performed. The need for the development of this kind of software is due to higher accuracy in decision-making regarding the provision or non-provision of credit services to bank clients with the minimization of the risk of nonreturn by the client. In addition, the software reduces the bank's costs for conducting such procedures. The work first designed a credit-scoring software system, and then practically constructed it. A machine learning algorithm - a decision tree - was used as the basis for decision-making. A comprehensive study of the accuracy of the operation of such software was performed based on the usual accuracy metric, the f1 accuracy metric, and the accuracy metric in the form of roc_auc. To improve the quality of this software, a hyperoptimization procedure of the machine learning algorithm - a decision-making tree based on various optimization software tools was carried out in the form of a software implementation. Software has implemented the ability to save for reuse certain software components that were taught to the data software system on the data, that is, the technology of reusable components has been implemented. Thus, the development makes it possible to save the classifier and import it externally for use by third-party programs. The work also pays great attention to the data preprocessing procedure to significantly improve the quality of software development work, which confirms its high precision and, accordingly, the reduction of risks for the bank