Оцінка позичальників мікрокредитів нечітким методом максимінної згортки.
DOI:
https://doi.org/10.34121/1028-9763-2020-2-89–98Ключові слова:
microcredit, borrower solvency, credit scoring, fuzzy set, membership function, maximin convolution, мікрокредитування, платоспроможність позичальника, кредитний скоринг, нечітка безліч, функція приналежності, максимінна згорткаАнотація
Анотація. Проблема своєчасного погашення кредитів в усі часи була і продовжує залишатися актуальною для комерційних банків. Подолання цієї проблеми істотно залежить від якості оцінки платоспроможності потенційних позичальників, яка здійснюється експертами на підставі ретроспективної інформації. У системі мікрокредитування оцінка кредитної історії позичальника, як правило, здійснюється експертом, який в основному спирається на свої евристичні знання та інтуїцію, що зазвичай привносить в кінцеве рішення суб'єктивні міркування, які не мають достатніх підстав. На практиці думки різних аналітиків або осіб, відповідальних за прийняття кредитних рішень, часто відрізняються, особливо, якщо розглядаються спірні ситуації, які мають безліч допустимих альтернативних рішень. У результаті цього в оцінці платоспроможності потенційних позичальників мікрокредитів надмірної ваги набуває суб'єктивна думка експерта і наступна некомпетентна або навмисна інтерпретація інформації, яка веде до прийняття рішень, збиткових для мікрофінансової організації. Для підвищення ступеня об'єктивності у статті розглядається підхід до оцінки відповідальності і платоспроможності позичальників мікрокредитів, заснований на застосуванні нечіткого методу максимінної згортки. Даний підхід, враховуючи слабку структурованість анкетних даних заявників, дозволяє досить гнучко і оперативно оцінювати їх на предмет надання мікрокредитів. Застосовувані при цьому якісні критерії оцінки зважуються на основі експертних висновків щодо пріоритетності кожного з них. Важливою перевагою пропонованої моделі є те, що вона проста, зручна в застосуванні і здатна адаптуватися до вимог різних мікрофінансових організацій.Посилання
1. Microfinance Information Exchange. URL: https://web.archive.org/web/20140816205120/http://www.themix.org/about (дата обращения: 22.02.2020).
2. Zadeh L.A. The concept of a linguistic variable and its application to approximate reasoning / eds. K.S. Fu, J.T. Tou. Learning Systems and Intelligent Robots. 1974. P. 1–10.
3. Молчанов К. Увеличиваем вероятность выдачи кредита – инструкция от Лига. Кредитонлайн. URL: https://www.liga.net/creditonline/uvelichivaem-veroyatnost-vydachi-kredita-instrukciya-ot-liga-kreditonlajn (дата обращения: 22.02.2020).
4. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. М.: Финансы и статистка, 2000. 368 с.
5. Lin A.S., Wu W. Statistical tools for measuring agreement. NY: Springer, 2012. 161 p.
6. Mardanov M.J., Rzayev R.R. One approach to multi-criteria evaluation of alternatives in the logical basis of neural networks. Advances in Intelligent Systems and Computing. 2019. Vol. 896. P. 279–287.
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2020 Математичні машини і системи

Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
