Ways to use machine learning methods for credit scoring

Abstract

Кредитування є основним видом діяльності банку. При цьому кредитування, за своєю суттю, пов'язане з великою кількістю різноманітних ризиків, насамперед з ризиком неповернення виданих коштів. Наявність цих ризиків спонукає керівництво банку до перегляду існуючої кредитної політики. У свою чергу, для якісного відбору позичальників, необхідно кількісно визначити можливі збитки, і одним із популярних підходів є класифікація позичальників. Процес відбору та класифікації позичальників називається кредитним скорингом.Lending is the main activity of the bank. At the same time, lending, in its essence, is associated with many different risks, primarily with the risk of non-return of the issued funds. The presence of these risks prompts the bank's management to revise the existing lending policies. In turn, for the qualitative selection of borrowers, it is necessary to quantify the possible losses, and one of the popular approaches is the classification of borrowers. The process of selecting and classifying borrowers is called credit scoring.