Нейросеть научилась оценивать кредитоспособность людей по банковским переводам
Российские ученые разработали нейронную сеть, которая на основе данных о банковских трансакциях может оценивать кредитоспособность клиентов. Разработка превосходит аналогичные решения в этой области, пишет пресс-служба Сколковского института науки и технологий.
Как пояснил один из авторов работы, сотрудник Сколковского института науки и технологий Максим Панов, любой отдельно взятый клиент банка характеризуется в том числе совокупностью его социальных и финансовых связей с другими людьми. "В нашем случае клиенты банка рассматривались как группа взаимосвязанных финансовых агентов. В данном исследовании мы поставили перед собой задачу выяснить, применима ли к финансовым агентам известная пословица "Скажи мне, кто твой друг, и я скажу, кто ты", - отметил Панов.
Клиенты банков постоянно оставляет свои цифровые следы, таким образом, у каждого человека образуется большое количество связей, которые можно представить в виде направленного графа. В нем есть много информации для оценки поведения клиента. Ученые разработали и оценили шесть моделей нейронных сетей, определив в итоге лучшую.
"Успех этой модели можно объяснить тремя факторами. Во-первых, модель напрямую обрабатывает полные данные о банковских трансакциях и тем самым сводит к минимуму потери содержащейся в них информации. Во-вторых, структура модели специально построена таким образом, чтобы модель одновременно обладала высоким качеством предсказания и была вычислительно эффективной. Наконец, мы предложили специальную процедуру обучения для системы в целом", - пояснил Панов.
Использование данных о переводах между клиентами значительно улучшает качество оценки кредитных рисков по сравнению с алгоритмами, в которых используются только данные о клиенте. Учет таких данных не только позволит банкам готовить более выгодные предложения для своих надежных клиентов, но и снизит негативные последствия мошеннических действий.
Источник: Банки.ру https://www.banki.ru/news/lenta/?id=10944964
16.04.2021
