| Περίληψη : | Τα χρηματοπιστωτικά ιδρύματα λαμβάνουν μεγάλα κέρδη από τους τόκους των δανείων που χορηγούν. Η χορήγηση δανείων ωστόσο ενέχει κάποιο ρίσκο. Ένα δάνειο θεωρείται «μη-εξυπηρετούμενο» (ή «κόκκινο») όταν ο οφειλέτης αδυνατεί να τηρήσει τους όρους αποπληρωμής του δανείου. Συνήθως, ένα δάνειο θεωρείται μη-εξυπηρετούμενο όταν δεν έχει γίνει πληρωμή του για ενενήντα (90) μέρες. Οι τράπεζες και τα χρηματοπιστωτικά ιδρύματα λαμβάνουν υπόψη διάφορους παράγοντες πριν την χορήγηση ενός δανείου. Ο σκοπός χρήσης του δανείου, το ποσό που δανείου και το πιστωτικό ιστορικό του οφειλέτη είναι κάποιοι παράγοντες που λαμβάνονται υπόψη.Η εταιρεία “Lending Club”, είναι μία εταιρεία με έδρα ις ΗΠΑ που χρησιμοποιεί το μοντέλο δανεισμού “peer-to-peer”, φέρνοντας σε επαφή δανειολήπτες και επενδυτές. Το σύνολο δεδομένων που χρησιμοποιήθηκε για την εκπαίδευση των μοντέλων προέρεχεται από την πλατφόρμα “Kaggle”. Σκοπός αυτής της εργασίας είναι να εξερευνήσει τη δυνατότητα δημιουργίας ενός μοντέλου, ικανού να προβλέπει αν ο δανειολήπτης θα αθετήσει τους όρους αποπληρωμής του δανείου. Το μοντέλο θα πρέπει να αναθέτει χαμηλή πιθανότητα σε οφειλέτες που θα αποπληρώσουν το δάνειό τους και υψηλή πιθανότητα σε πελάτες που δεν θα το αποπληρώσουν. Καθώς η κατανομή της εξαρτημένης μεταβλητής είναι ανομοιόμορφη, χρησιμοποιήθηκαν διάφορες τεχνικές επαναδειγματοληψίας, προς εξισορρόπηση της κατανομής. Τα αποτελέσματα της πρόβλεψης των μοντέλων μετά την επαναδειγματοληψία ήταν σαφώς βελτιωμένα. Η αξιολόγηση των μοντέλων, έγινε με συνδυασμό των αλγορίθμως πρόβλεψης και των μεθόδων επαναδειγματοληψίας. Τα αποτελέσματα της αξιολόγησης παρουσιάζονται λεπτομερώς. Τέλος, γίνεται μία συζήτηση για την επίδραση που έχει η αλλαγή στο κατώφλι ταξινόμησης των οφειλετών.Η βέλτιστη τιμή του κατωφλίου είναι ζήτημα επιχειρηματικής στρατηγικής.
Financial Institutes profit largely from interest they receive on given loans. At the same time, they take a risk by granting credit. A loan is considered to be in default, when the borrower fails to honor the contract terms of the loan – in most cases, this means that he has not made an installment for ninety days. Thus, banks and financial institutes consider various factors before granting credit, like the purpose of requesting the loan, the amount requested and the credit history of the borrower. Lending Club is a US based company that uses a peer-to-peer lending model, bringing in contact individuals who wish to borrow money and investors who wish to invest money. The dataset used for model training was retrieved from Kaggle’s “Lending Club Loan Data” public dataset. The purpose of this thesis is to explore the potential of creating a model that will be able to predict whether a borrower will default his loan. The goal of training, was for the models to assign low probability to customers who can repay their loan and high probability to customers who may default their loan. As the distribution of the target variable was imbalanced, several resampling techniques were used in order to deal with the imbalance problem. The predictive results of the models after resampling the dataset were significantly improved. The evaluation metrics from all models, as a combination of the training algorithms and the resampling methods are presented in detail. Finally, the impact of changing the classification threshold is discussed. In essence, the final threshold value comes down to business strategy.
|
|---|
Copyright © 2013 Βιβλιοθήκη Ο.Π.Α. Με την επιφύλαξη παντός δικαιώματος.