3 / 9
Искусственные нейронные сети Т. Кохонена на службе коммерческого банка
Гуманитарный вестник
# 2
⋅
2016 3
Вследствие своей нелинейной природы и принципиальной схо-
жести с работой головного мозга, нейронным сетям во время обуче-
ния удается выявлять сложнейшие зависимости между параметрами
входных векторов, не требуя при этом больших затрат на вычисли-
тельные ресурсы.
Нейронные сети способны решать огромное количество классов
задач, в том числе задачи распознавания и классификации, которые
отлично реализуются в качестве метода оценки кредитоспособности
заемщиков. Суть метода заключается в том, чтобы распределить за-
емщиков в соответствии с их финансовыми показателями на три
класса:
1)
высокая платежеспособность (низкий уровень кредитного
риска);
2)
средняя платежеспособность (средний уровень кредитного
риска);
3)
низкая платежеспособность (высокий уровень кредитного
риска).
Входными аргументами для подобной нейронной сети являются
векторы, числовые параметры которых представляют собой экономиче-
ские характеристики заемщиков, следовательно, каждый отдельный
вектор — это набор финансовых показателей одного заемщика.
Для более точной оценки кредитоспособности имеет смысл ис-
пользовать в качестве параметров каждого вектора как стандартные
финансовые коэффициенты, так и вторичные показатели. В роли вто-
ричных экономических характеристик учитываются региональные
риски, а также оценка всех кредитных сделок заемщика.
Таким образом, каждый заемщик характеризуется следующими
показателями:
1)
коэффициент абсолютной ликвидности, Кал (норматив
0,2…0,25);
2)
коэффициент критической ликвидности, Ккл (норматив
0,7…0,8);
3)
коэффициент текущей ликвидности, Ктл (норматив 1…2,5);
4)
коэффициент финансовой независимости, Кфн (норматив
0,5…0,6);
5)
коэффициент перекредитованности, Кпр (норматив 0…1 %);
6)
коэффициент платежеспособности населения, Кпн (норматив
75…80 %);
7)
кредитная история, Кри (норматив 0,8…1).
Первые четыре коэффициента являются стандартной характери-
стикой состояния капитала заемщика, а также его доходности и пла-
тежеспособности в целом: