Прогнозування кредитоспроможності юридичних осіб методами машинного навчання

Магістерська дисертація: 91 с., 46 рис., 18 табл., 1 додаток, 11 джерел. Об’єктом дослідження є кредиторна компанія, представлена у вигляді часових рядів на основі статистичних даних стосовно їхньої динаміки. Предметом дослідження є ймовірнісно-статистичні методи та машинне навчання для моделювання і прогнозування кредитоспроможності юридичних осіб, а також методи пошуку найкращої архітектури моделі машинного навчання і відповідно її найкращих гіперпараметрів. Метою дослідження є аналіз характеру поведінки клієнтів на основі часових рядів та прогнозування за допомогою машинного навчання, а також отримання алгоритму відбору архітектури машинного навчання та ї гіперпараметрів для задачі регресії кредитоспроможності клієнта. Новизною є отримана модель машинного навчання. Master's dissertation: 91 p., 46 figs., 18 table, 1 appendix, 11 sources. The object of the study is a credit company, presented in the form of time series based on statistics on their dynamics. The subject of research is probabilistic-statistical methods and machine learning for modeling and forecasting the creditworthiness of legal entities, as well as methods for finding the best architecture of the machine learning model and, accordingly, its best hyperparameters. The aim of the study is to analyze the nature of customer behavior based on time series and forecasting with machine learning, as well as to obtain an algorithm for selecting machine learning architecture and its hyperparameters to regress the client's creditworthiness. The novelty is the obtained model of machine learning.