Предмет. Одним из наиболее важных этапов управления кредитными рисками как в банковских кредитных учреждениях, так и в микрофинансовых организациях выступает их оценка, которая базируется на различных скоринговых моделях, позволяющих провести анализ вероятности дефолта заемщика. В статье рассматривается предложенный автором метод динамического моделирования - построение скоринговой модели с изменяющимися во времени параметрами.
Цели. Разработка скоринговой модели с изменяющимися во времени параметрами для оценки кредитных рисков на примере данных микрофинансовой организации.
Методология. В процессе исследования применялся метод критического обзора литературы по вопросам использования динамического моделирования в системе оценки кредитных рисков. Разработка скоринговой модели с изменяющимися во времени параметрами для оценки кредитных рисков базируется на комбинации классической логистической регрессии и моделей временных рядов.
Результаты. Применяемая в статье экономико-математическая модель оценки дефолта заемщика с изменяющимися во времени параметрами базируется на методах, включающих корректировку полученных коэффициентов посредством фильтра Калмана в целях получения независимых оценок. На основе данных микрофинансовой организации подтверждено, что изменение независимых переменных может содержать тренд. Полученное подтверждение выступает доказательством временной зависимости истинных параметров при использовании разработанной модели, что свидетельствует о высокой эффективности скоринговой модели в рамках оценки кредитных рисков микрофинансовой организации.
Область применения. Скоринговая модель с изменяющимися во времени параметрами может быть использована в системе риск-менеджмента любых финансовых организаций.
Выводы. Эмпирическим путем доказано цикличное изменение тестируемых целевой и независимых переменных, что позволяет сделать вывод о временной зависимости истинных параметров в рамках применяемой модели. Проведенный эмпирический эксперимент показывает, что разработанный метод может существенно повысить эффективность скоринговых моделей при внедрении системы анализа кредитных рисков в финансовых организациях.
Идентификаторы и классификаторы
Управление кредитными рисками в рамках принятия решения о выдаче кредита как в банковских кредитных учреждениях, так и в микрофинансовых организациях (МФО) предполагает качественную классификацию заемщиков по риску возникновения дефолта, которая позволяет снизить существенные потери от операций по кредитованию.
Список литературы
1. Сорокин А.С. Сравнительный анализ использования статистического моделирования и машинного обучения для оценки кредитного риска в микрофинансовых компаниях // Экономический вестник. 2024. Т. 3. № 2. С. 51-65. URL: https://eb-journal.ru/archives/10096.
2. Сорокин А.С. Разработка алгоритмов применения моделей интеллектуального анализа данных для управления кредитными рисками микрофинансовых организаций // Плехановский научный бюллетень. 2022. № 2. С. 99-108. URL:. EDN: MPWNZX
3. Сорокин А.С. Модель кредитного риска на основе логистической регрессии с изменяющимися во времени параметрами // Математическое и компьютерное моделирование в экономике, страховании и управлении рисками. 2023. № 8. С. 141-146. URL:. EDN: AGAFTZ
4. Bansal G., Sinha A.P., Zhao H. Tuning Data Mining Methods for Cost-Sensitive Regression: A Study in Loan Charge-Off Forecasting. Journal of Management Information Systems, 2008, vol. 25, no. 3, pp. 315-336. URL:. DOI: 10.2753/MIS0742-1222250309
5. Zhang H., Legro R.S., Zhang J., Zhang L. et al. Decision Trees for Identifying Predictors of Treatment Effectiveness in Clinical Trials and its Application to Ovulation in a Study of Women with Polycystic Ovary Syndrome. Human Reproduction, 2010, vol. 25, iss. 10, pp. 2612-2621. URL:. DOI: 10.1093/humrep/deq210
6. Smith L.D., Lawrence E.C. Forecasting Losses on a Liquidating Long-Term Loan Portfolio. Journal of Banking & Finance, 1995, vol. 19, iss. 6, pp. 959-985. DOI: 10.1016/0378-4266(94)00065-B
7. Greenidge K., Grosvenor T. Forecasting Non-Performing Loans in Barbados. Journal of Business, Finance and Economics in Emerging Economies, 2010, vol. 5, pp. 80-108.
8. Abdou H.A.H., Pointon J. Credit Scoring, Statistical Techniques and Evaluation Criteria: A Review of the Literature.Intelligent Systems in Accounting, Finance & Management, 2011, vol. 18, no. 2-3, pp. 59-88. DOI: 10.1002/isaf.325
9. Darroch J.N., Ratcliff D. Generalized Iterative Scaling for Log-Linear Models. The Annals of Mathematical Statistics, 1972, vol. 43, iss. 5, pp. 1470-1480. DOI: 10.1214/aoms/1177692379
10. Durand D. Risk Elements in Consumer Installment Financing. National Bureau of Economic Research, New York, NY, USA, 1941. URL: https://www.nber.org/books-and-chapters/risk-elements-consumer-instalment-financing.
11. Makowski P. Credit Scoring Branches Out. The Credit World, 1985, no. 75, pp. 30-37.
12. Angelini E., Di Tollo G., Roli A. A Neural Network Approach for Credit Risk Evaluation. The Quarterly Review of Economics and Finance, 2008, vol. 48, iss. 4, pp. 733-755. DOI: 10.1016/j.qref.2007.04.001
13. Henley W.E., Hand D.J. A k-Nearest-Neighbour Classifier for Assessing Consumer Credit Risk. Journal of the Royal Statistical Society. Series D (The Statistician), 1996, vol. 45, no. 1, pp. 77-95. DOI: 10.2307/2348414
14. Hurley M., Adebayo J. Credit Scoring in the Era of Big Data. Yale Journal of Law and Technology, 2017, vol. 18. URL: https://openyls.law.yale.edu/handle/20.500.13051/7808.
15. Davis R.H., Edelman D.B., Gammerman A.J. Machine-Learning Algorithms for Credit-Card Applications. IMA Journal of Management Mathematics, 1992, vol. 4, iss. 1, pp. 43-51. DOI: 10.1093/imaman/4.1.43 EDN: IPSOUT
16. Frydman H., Altman E.I., Kao D.L.Introducing Recursive Partitioning for Financial Classification: The Case of Financial Distress. The Journal of Finance, 1985, vol. 40, iss. 1, pp. 269-291. DOI: 10.1111/J.1540-6261.1985.TB04949.X
17. Zhou S.-R., Zhang D.-Y. A Nearly Neutral Model of Biodiversity. Ecology, 2008, vol. 89, iss. 1, pp. 248-258. DOI: 10.1890/06-1817.1
18. Jensen H.L. Using Neural Networks for Credit Scoring. Managerial Finance, 1992, vol. 18, iss. 6, pp. 15-26. DOI: 10.1108/EB013696
19. West D. Neural Network Credit Scoring Models.Computers & Operations Research, 2000, vol. 27, issues 11-12, pp. 1131-1152. DOI: 10.1016/S0305-0548(99)00149-5 EDN: AFKGTT
20. West D., Dellana S., Qian J. Neural Network Ensemble Strategies for Financial Decision Applications.Computers & Operations Research, 2005, vol. 32, iss. 10, pp. 2543-2559. DOI: 10.1016/S0305-0548(04)00069-3
21. Finlay S. Are We Modelling the Right Thing? The Impact of Incorrect Problem Specification in Credit Scoring. Expert Systems with Applications, 2009, vol. 36, iss. 5, pp. 9065-9071. DOI: 10.1016/j.eswa.2008.12.016
22. Kamalloo E., Saniee Abadeh M. Credit Risk Prediction Using Fuzzy Immune Learning. Advances in Fuzzy Systems, 2014, vol. 2014, pp. 1-11. DOI: 10.1155/2014/651324
23. Dietterich T.G. Machine-Learning Research. AI Magazine, 1997, vol. 18, no. 4, p. 97. DOI: 10.1609/AIMAG.V18I4.1324
24. Huang Z., Chen H., Hsu C.-J. et al. Credit Rating Analysis with Support Vector Machines and Neural Networks: A Market Comparative Study. Decision Support Systems, 2004, vol. 37, iss. 4, pp. 543-558. DOI: 10.1016/S0167-9236(03)00086-1
25. Zhu Y., Xie C., Wang G.-J., Yan X.-G.Comparison of Individual, Ensemble and Integrated Ensemble Machine Learning Methods to Predict China’s SME Credit Risk in Supply Chain Finance. Neural Computing and Applications, 2017, vol. 28, suppl. 1, pp. 41-50. DOI: 10.1007/s00521-016-2304-x EDN: KVAWPT
26. Opitz D., Maclin R. Popular Ensemble Methods: An Empirical Study. Journal of Artificial Intelligence Research, 1999, vol. 11, pp. 169-198. DOI: 10.1613/jair.614
27. Волкова Е.С., Гисин В.Б., Соловьев В.И. Современные подходы к применению методов интеллектуального анализа данных в задаче кредитного скоринга // Финансы и кредит. 2017. Т. 23. Вып. 34. С. 2044-2060. DOI: 10.24891/fc.23.34.2044 EDN: WTRIKV
28. Широбокова М.А., Лётчиков А.В. Применение случайного леса выживаемости к динамической оценке кредитного риска // Математическое и компьютерное моделирование в экономике, страховании и управлении рисками. 2019. № 4. С. 113-118. URL: https://risk.sgu.ru/2019/proc/025.pdf. EDN: FTFYHP
29. Исаев Д.В. Динамическое ансамблевое обучение для оценки кредитоспособности // Инновации и инвестиции. 2022. № 3. С. 74-79. URL: https://cyberleninka.ru/article/n/dinamicheskoe-ansamblevoe-obuchenie-dlya-otsenki-kreditosposobnosti. EDN: RSTZUM
30. Широбокова М.А. Модель оценки риска дефолта на всем протяжении жизни кредита // Вестник Удмуртского университета. Серия: Экономика и право. 2018. Т. 28. Вып. 2. С. 228-233. URL: https://cyberleninka.ru/article/n/model-otsenki-riska-defolta-na-vsem-protyazhenii-zhizni-kredita. EDN: XQCLBJ
31. Гришин А.А., Строев С.П. Разработка модели поведенческого скоринга с использованием методов градиентного бустинга // Научно-технический вестник Поволжья. 2018. № 9. С. 93-98. URL:. EDN: YLHZUD
32. Дьяков О.А. Особенности применения методов Data Mining в скоринговых решениях для коммерческих банков // Научные записки молодых исследователей. 2017. № 3. С. 5-11. URL:. EDN: ZBGXMH
33. Carol Alexander, Yang Han, Xiaochun Meng. Static and Dynamic Models for Multivariate Distribution Forecasts: Proper Scoring Rule Tests of Factor-Quantile vs. Multivariate GARCH Models.International Journal of Forecasting, 2022. DOI: 10.48550/arXiv.2004.14108
34. Jayanti D., Sadik K., Afendi F.M. Multivariate Generalized Autoregressive Score Model (Case Study: Vegetable Oils and Crude Oil Price Data). Journal of Physics: Conference Series, IOP Publishing, 2021, vol. 1863, no. 1, pp. 1-18. DOI: 10.1088/1742-6596/1863/1/012059 EDN: POUXXR
35. Schneider W. Systems of Seemingly Unrelated Regression Equations with Time Varying Coefficients - An Interplay of Kalman Filtering, Scoring, EM- and MINQUE-Method.Computers & Mathematics with Applications, 1992, vol. 24, issues 8-9, pp. 1-16. DOI: 10.1016/0898-1221(92)90183-i
36. Bitto A., Frühwirth-Schnatter S. Achieving Shrinkage in a Time-Varying Parameter Model Framework. Journal of Econometrics, 2019, vol. 210, iss. 1, pp. 75-97. DOI: 10.1016/j.jeconom.2018.11.006
37. Chan J.C.C., Eisenstat E. Bayesian Model Comparison for Time-Varying Parameter VARs with Stochastic Volatility. Journal of Applied Econometrics, 2018, vol. 33, iss. 4, pp. 509-532. DOI: 10.1002/jae.2617
38. Kalli M., Griffin J.E. Time-Varying Sparsity in Dynamic Regression Models. Journal of Econometrics, 2014, vol. 178, no. 2, pp. 779-793. DOI: 10.1016/j.jeconom.2013.10.012
39. Orlando G., Pelosi R. Non-Performing Loans for Italian Companies: When Time Matters. An Empirical Research on Estimating Probability to Default and Loss Given Default.International Journal of Financial Studies, 2020, vol. 8, no. 4, p. 68. DOI: 10.3390/ijfs8040068 EDN: ZGIUOR
40. Aslan A., Poppe L., Posch P. Are Sustainable Companies More Likely to Default? Evidence from the Dynamics between Credit and ESG Ratings. Sustainability, 2021, vol. 13, no. 15, 8568. DOI: 10.3390/su13158568 EDN: CMTAPQ
41. Orlova E.V. Methodology and Models for Individuals’ Creditworthiness Management Using Digital Footprint Data and Machine Learning Methods. Mathematics, 2021, vol. 9, no. 15, 1820. DOI: 10.3390/math9151820 EDN: FLHUXV
42. Moiseev N., Sorokin A., Zvezdina N. et al. Credit Risk Theoretical Model on the Base of DCC-GARCH in Time-Varying Parameters Framework. Mathematics, 2021, vol. 9, no. 19, 2423. DOI: 10.3390/math9192423 EDN: EGSPCX
Выпуск
Другие статьи выпуска
Предмет. Экономические отношения по применению цифровых платформенных взаимодействий.
Цели. Разработка авторского алгоритма применения цифровых платформ межфирменных взаимодействий.
Методология. Использован системный сравнительный анализ.
Результаты. Для создания алгоритма были выявлены направления применения среди представителей среднего и крупного бизнеса различного рода цифровых платформ. В авторский алгоритм включены пять основных этапов: анализ целесообразности применения цифровой платформы; проведение комплексной оценки мировых практик внедрения таких платформ; определение направления внедрения платформы; консолидированный анализ применяемых типов цифровых платформ; расчет уровня экономической эффективности от применения.
Выводы. Теоретико-практическое осмысление процессов в области оцифровки межфирменных взаимодействий приводит к более глубокой координации в хозяйственной деятельности. Теоретическая значимость полученных результатов заключается в развитии планово-методического подхода в применении цифровых платформ. Практическая значимость полученных результатов состоит в разработке прикладного аппарата планирования внедрения цифровых платформ в межфирменные взаимодействия.
Предмет. Особенности краудфандинга как цифровой платформы, на основе которой участники привлекают и инвестируют средства на мировом финансовом рынке, а также отношения, возникающие между участниками этого процесса.
Цели. Рассмотрение позитивных и негативных черт краудфандинга, его места и роли в современном инвестировании.
Методология. Использованы методы логического, статистического анализа и синтеза, сравнительного анализа.
Результаты. Определено понятие краудфандинга, краудфандинговых платформ, показаны преимущества и недостатки данного вида финансирования, выделены его функции и приведена сравнительная характеристика современных форм финансирования, таких как венчурное финансирование, бизнес-ангелы и краудфандинг. Проанализированы участники краудфандингового процесса, формы дохода, основные подвиды краудфандинга в зависимости от форм получаемого дохода, в частности краудинвестинг. Представлена модель краудфандингового финансирования.
Выводы. Краудфандинг создает прозрачный и эффективный механизм финансирования проектов, который выгоден не только учредителям, которые не могут найти поддержки в банках, но и спонсорам, которые хотят безопасно поддерживать идеи. Такая платформа привлечения средств возможна лишь при доверии населения к финансовой, банковской системе, стабильном развитии экономики.
Предмет. Современные условия хозяйствования в целях обеспечения непрерывности деятельности вызывают необходимость привлечения кредитных ресурсов, как одного из источников формирования имущества. Законодательно установленные принципы кредитования не всегда соблюдаются заемщиками, что приводит к экономическим спорам между участниками кредитной сделки. В связи с этим привлечение экспертов для оценки полноты соблюдения принципов кредитования является актуальным.
Цели. Определение общих ориентиров экономической экспертизы соблюдения заемщиком принципов кредитования, а также конкретизация составляющих элементов экспертизы в целях обеспечения ее комплексности, очередности и полноты.
Методология. Исследование теоретических и практических вопросов основано на изучении действующих законодательных и нормативных актов, устанавливающих правовые и методические основы сущности кредитования и экономической экспертизы соблюдения принципов кредитования, а также критическом анализе научных трудов, освещающих данные вопросы. Применялись методы научного познания: информационный поиск, анализ, синтез и моделирование ситуаций.
Результаты. Определены этапы производства экономической экспертизы, конкретизированы задачи в рамках их реализации, а также соответствующее информационное обеспечение и инструментарий. Предложена методика производства экономической экспертизы соблюдения заемщиком принципов кредитования, могущая послужить основой для формирования объективного экспертного заключения.
Область применения. Представленная методика своевременна и важна как в практической деятельности экспертов, так и для использования в образовательном процессе по соответствующим направлениям подготовки.
Выводы. Ограниченность раскрытия вопросов проведения экономической экспертизы соблюдения заемщиком принципов кредитования в экономической литературе, законодательных и нормативных актах вызывает необходимость разработки методики ее производства. Качественный уровень экономической экспертизы определяется логической последовательностью ее производства и полнотой, надежностью полученных экспертом доказательств.
Предмет. Исследование и анализ теоретических аспектов формирования цены на электроэнергию и мощности энергосбытовых компаний.
Цели. Изучение фундаментальных подходов к формированию цены и рассмотрение системы внутрифирменного управления в сбытовом секторе электроэнергетики в целях выделения направлений выработки ценовой концепции энергосбытовых компаний.
Методология. В процессе исследования использованы такие методы как анализ и синтез, обобщение и сравнение, системное рассуждение.
Результаты. В статье исследованы и обобщены классические подходы к ценообразованию и дана характеристика теоретических положений относительно возможности их адаптации к построению ценовой политики энергосбытовых компаний в текущих условиях. На основе упорядочивания системы взглядов относительно построения ценовой политики выработаны и предложены концептуальные положения формирования цены в электроэнергетике в виде сетки ценовых достижений, позволяющей энергосбытовым компаниям модифицировать применяемые методы формирования цены в современных реалиях.
Область применения. Результаты исследования могут быть использованы в дальнейших теоретических изысканиях, касающихся электроэнергетики с учетом потребностей участников рынка и потребителей.
Выводы. Сформулирован вывод о необходимости синтеза разных ценовых подходов, интегрирующих специфику деятельности энергосбытовых компаний в изменяющихся условиях бизнес-среды. Это даст возможность выработать концептуальные положения ценообразования в электроэнергетике на основе сетки ценовых возможностей, учитывающей базовые элементы системы ценообразования.
Предмет. Налоговая реформа 2024 г. в области налогообложения физических лиц.
Цели. Проанализировать и дать оценку изменениям в налоговом законодательстве России, внесенным в Налоговый кодекс РФ, а также предложениям по данной тематике со стороны научного сообщества.
Методология. При проведении исследования использованы методы анализа и синтеза.
Результаты. Проанализированы изменения по налогу на доходы физических лиц, вводимые с 1 января 2025 г. на территории России, выявлены проблемы, связанные со ставками и льготами, внесены отдельные предложения по дальнейшему совершенствованию данного налога.
Область применения. Результаты исследования могут быть применены в теории и практике финансов, налогов и налогообложения, финансового контроля.
Выводы. Налоговая реформа в России требует дальнейшего продолжения с учетом прожиточного минимума, расчетов индивидуально по каждому налогоплательщику и дальнейшего применения цифровых технологий.
Издательство
- Издательство
- ФИНАНСЫ и КРЕДИТ
- Регион
- Россия, Москва
- Почтовый адрес
- 111397, г. Москва, ул. Зеленый проспект, д. 20
- Юр. адрес
- 111397, город Москва, Зелёный пр-кт, д. 20, помещ. 11/10
- ФИО
- Клюкин Антон Андреевич (Генеральный директор)
- E-mail адрес
- post@fin-izdat.ru
- Контактный телефон
- +7 (925) 9664690