Разработка методики оценки кредитоспособности индивидуальных предпринимателей с использованием нейросетевых технологий. Оптимизация и упрощение нейронной сети. Экономическая эффективность инвестиций в разработанную интеллектуальную информационную систему.
При низкой оригинальности работы "Оценка кредитоспособности заемщиков БИНБАНК методами нейросетевого моделирования", Вы можете повысить уникальность этой работы до 80-100%
Предоставление кредитов является основной экономической функцией банков, осуществляемой для финансирования как физических, так и юридических лиц. От подбора и применения методов оценки кредитоспособности в последующем во многом зависит финансовое состояние и жизнеспособность самого банка. Финансово - экономический кризис показал низкую работоспособность действующих методик банков по оценке кредитоспособности заемщиков. Текущие модели уже не способны в полной мере спрогнозировать наступление кредитного риска. Учитывая актуальность данной проблемы, целью выпускной квалификационной работы является разработка модели оценки кредитоспособности заемщиков - индивидуальных предпринимателей с использованием нейросетевых технологий, для их дальнейшей классификации в зависимости от уровня кредитного риска. Для достижения поставленной цели необходимо решить ряд задач: Дать определение кредитоспособности и оценки кредитоспособности; Определить цели и задачи анализа кредитоспособности заемщика; Описать работу нейросимулятора; Рассмотреть различные подходы оценки кредитоспособности; Проверить работоспособность нейросети на основе существующей модели оценки кредитоспособности; Собрать необходимую информацию для создания нейросетевой модели; Разработать демонстрационный прототип нейросетевой системы оценки кредитоспособности заемщика; Внедрить информационную систему в кредитной организации для опытной эксплуатации; Определить экономическую эффективность применения нейросетевой модели оценки кредитоспособности заемщика. Для построения нейросетевой модели используется программный продукт «Нейросимулятор NSim3» [16-17], в качестве базы данных используется информация из кредитных историй ОАО БИНБАНК Пермского филиала. В работе также использована зарубежная литература по банковскому финансовому и риск-менеджменту, основам систем искусственного интеллекта и, в частности, теории нейронных сетей. Материалы для исследований и обучения нейронной сети были предоставлены профессором Ясницким Л.Н. и ОАО БИНБАНК Пермский филиал. При этом согласно многим авторам, принято выделять следующие методы оценки кредитоспособности [8]: Эконометрические модели оценки Модель Альтмана; Модель Чессера; Модель Банка Франции; Модель Бивера. Вывод происходит в соответствии с Таблицей 1 [3]. Также, если такие есть в наличии, материалы в поддержку проекта (постановления Правительства Российской Федерации, письма о поддержке местной администрации, документы о предоставлении льгот и т.п.).
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
