05.10.2022
Наш канал в Telegram: https://t.me/berzaru

Нейросеть научили оценивать кредитоспособность людей по банковским переводам

Кредитоспособность людей по банковским переводам оценивает нейросеть

Российские учёные разработали нейронную сеть, которая на основе данных о банковских транзакциях может оценивать кредитоспособность клиентов. Результаты исследования опубликованы в журнале IEEE Xplore.

«Любой отдельно взятый клиент банка характеризуется в том числе совокупностью его социальных и финансовых связей с другими людьми, поэтому 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», – сказал один из авторов работы, сотрудник Сколковского института науки и технологий Максим Панов.

Клиенты банков постоянно оставляет свои цифровые следы, – например, информация о переводе денег другому человеку всегда остаётся в платёжной системе. Таким образом, у каждого человека образуется большое количество связей, которые можно представить в виде направленного графа. В нём есть много информации для оценки поведения клиента.

В новой работе учёные решили обеспечить эффективную обработку и использование больших объёмов разнообразной информации о связях между клиентами. Для этого они 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 транзакциях 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.

В результате учёные показали, что использование данных о переводах между клиентами значительно улучшает качество оценки кредитных рисков по сравнению с алгоритмами, в которых используются только данные о клиенте. Учёт таких данных не только позволит банкам готовить более выгодные предложения для своих надёжных клиентов, но и снизит негативные последствия мошеннических действий.