|
ИНО_ТЕЛ |
|
 English version |
|
ИНО_ТЕЛ |
|
English version |
 Главная Методология Экономическая эффективность Интеллектуальная защита Технология заказа Контактная информация  Загрузите демо-версию
логического ПО(ZIP файл, 433 kb) 
Международная Научная Школа МАБР Полезные статьи |
Исполнитель - юридическое лицо - предприятие "ИНО_ТЕЛ" с уставом и юридическим адресом, предоставляющее услугу, заключающуюся в оценке и анализе кредитного риска заемщика.
Заказчик - юридическое лицо - Банк или Кредитное Бюро, желающее воспользоваться услугой "оценка и анализ кредитного риска заемщика". Услуга - построение логико-вероятностной модели (ЛВ-модели) кредитного риска по статистике банка и оценка риска кредита заемщика банка. Используется программное обеспечение Исполнителя для обучения ЛВ-модели кредитного риска с группами несовместных событий и для оценки и анализа риска конкретного заемщика. Заказ 1. Банк (кредитное предприятие) представляет статистику выданных ранее кредитов по Форме 1. Файл со статистикой в обезличенном виде создается банком самостоятельно, затем архивируется и отправляется по e-mail. Имена файлов должны иметь следующий вид:
имя архивного файла: STNNN_OUT.zip, где:
ST - признак файла статистики,
NNN - условный номер банка (3 последние цифры БИК),
OUT - исходящий.
имя внутреннего файла: NNNN_XXXXXX.txt, где:
NNNN - регистрационный номер банка,
XXXXXX - порядковый номер сообщения.
Обновление статистики и построение новой ЛВ-модели кредитного риска проводится периодически через 1-4 квартала по договоренности с Заказчиком. Форма 1. Обезличенный файл NNNN_XXXXXX.txt по статистике кредитов банка
N
n
N1 ... Nj ... Nn
Y1 Z11 Z21 ... Zn1
Y2 Z12 Z22 ... Zn2
.......................
YN Z1 N1 Z2 N2 ... Zn Nn
где N - число кредитов;
n - число признаков;
N1 ... Nj ... Nn - число градаций в каждом признаке;
Y1, Y2, ..., YN - успешность кредита (1 - "хороший"; 0 - "плохой") ;
Z1 1, Z1 2 ..., Zn Nn - значения градации признака.
В клетках таблицы находятся значения градаций признаков.
Пример:
1000
20
4 10 5 11 10 5 5 4 4 3 4 4 5 3 3 4 4 2 2 2
1 1 3 5 3 3 1 2 4 2 1 4 2 1 3 1 1 3 1 1 1
1 1 2 5 1 5 1 3 2 3 1 2 1 2 3 1 2 3 2 1 1
1 2 2 3 10 2 2 4 2 2 1 4 1 1 3 1 1 2 1 1 1
1 1 2 5 1 4 1 3 3 3 1 2 1 2 3 1 2 2 2 1 2
..........................
..........................
..........................
1 1 1 5 1 3 1 2 2 3 1 4 1 3 3 2 1 2 2 1 2
1 4 3 5 4 3 1 1 4 2 1 4 3 5 3 2 2 1 1 1 1
0 2 4 3 4 5 3 1 1 2 1 4 4 1 3 1 1 1 1 1 1
Данные заказчика служат для обучения ЛВ-модели риска. Числа хороших и плохих кредитов подсчитываются по файлу автоматически. Также осуществляется подсчет числа одинаково описанных кредитов и устанавливается какие градации признаков не используются для описания кредитов. Это позволяет контролировать данные Заказа 1 и результаты обучения ЛВ-модели риска. Для кредитного риска юридических лиц категории клиентов представляются в виде градаций 1, 2, 3, ... признака "категория клиента". Этот параметр располагается в последнем столбце файла и для него вычисляются дополнительные атрибуты риска. Заказ 2. Банк дает заказ на оценку и анализ кредитного риска одного или нескольких заемщиков в обезличенном виде по Форме 2. Файл с заказом архивируется и отправляется по e-mail. Имена файлов должны иметь следующий вид:
имя архивного файла: RENNN_OUT.zip, где:
RE - признак файла для оценки риска (Risk Estimation),
NNN - условный номер банка (3 последние цифры БИК),
OUT - исходящий.
имя внутреннего файла: NNNN_XXXXXX.txt, где:
NNNN - регистрационный номер банка,
XXXXXX - порядковый номер сообщения.
Форма 2. Обезличенный файл NNNN_XXXXXX.txt заказа на оценку и анализ риска кредитов
{yy.mm.dd hh:mm:ss}
UserID Z1, Z2, ..., Zn
где:
yy.mm.dd - год, месяц и день заявки,
hh.mm.ss - час, минуты и секунды формирования заявки,
UserID - идентификатор пользователя (формируется банком самостоятельно),
Z1, Z2, ..., Zn - номера градаций по каждому признаку.
Пример:
{2006.08.17 01:03:24}
10345678 1 3 5 3 3 1 2 4 2 1 4 2 1 3 1 1 3 1 1 1
10234673 1 2 5 1 5 1 3 2 3 1 2 1 2 3 1 2 3 2 1 1
10543572 2 6 5 4 4 1 5 4 3 1 4 1 2 3 2 1 3 1 1 1
10862346 2 6 3 6 4 1 2 4 3 1 1 4 2 3 1 1 2 1 1 1
..........................
10642686 1 3 3 1 3 1 2 4 2 1 3 3 1 3 1 1 3 1 2 1
10135467 4 3 5 7 4 2 3 4 2 1 2 1 2 3 2 2 3 1 1 1
Результаты по заказу 1. Построение ЛВ-модели кредитного риска банка занимает время до 12 часов. Результаты отсылаются Заказчику по E_mail. Имена файлов имеют следующий вид:
имя архивного файла: STNNN_IN.zip, где:
ST - признак файла с результатами обучения модели риска по статистике,
NNN - условный номер банка (3 последние цифры БИК),
IN - входящий.
имя внутреннего файла: NNNN_XXXXXX.txt, где:
NNNN - регистрационный номер банка,
XXXXXX - порядковый номер сообщения.
Заказчик информируется, что ЛВ-модель кредитного риска построена и сообщаются ее основные атрибуты и показатели качества (точность, робастность, асимметрия распознавания) по Форме 3. Сделаем некоторые пояснения (рис. 1): Для юридических лиц для "категорий клиентов" (последний столбец Формы 1) вычисляются дополнительно следующие атрибуты: частоты категорий во всех кредитах, в "плохих" и в "хороших" кредитах, а также среднее значение риска кредитов для категорий. Это позволяет оценить адекватность разделения клиентов на категории.
Рис.1. Схема классификации кредитов Результаты по заказу 2. Результаты оценки и анализа кредитного риска одного или нескольких кредитов отсылаются Заказчику по E_mail в виде файла по Форме 4 в течение срока до 36 часов. Имена файлов имеют следующий вид:
имя архивного файла: RENNN_IN.zip, где:
RE - признак файла результатов по оценке риска кредитов (Risk Estimation),
NNN - условный номер банка (3 последние цифры БИК),
IN - исходящий.
имя внутреннего файла: NNNN_XXXXXX.txt, где:
NNNN - регистрационный номер банка,
XXXXXX - порядковый номер сообщения.
Информация Форм 3 и 4 позволяет построить формулу для цены (процент) за риск кредита. Например, простейшая из таких формул следующая: Ci = Cad + k (Prisk - Pad ), где: Ci - стоимость i-го кредита; Cad - цена за допустимый риск; k - коэффициент. Такую или более сложные формулы строит сам банк.
Пример: 10345678 1 0.199218 .... 10234673 0 0.203452 |
|
|
|
Feff