Кредиты, Технологии 16 апреля 2021 433

Оценивать кредитоспособность хотят по банковским переводам

Благодаря новой разработке российских ученых банки смогут лучше взвешивать кредитные риски при работе с клиентами.

Клиенты банков постоянно оставляют свои «цифровые следы», — например, информация о переводе денег другому человеку всегда остается в платежной системе. Иначе говоря, у каждого человека образуется большое количество связей, которые можно представить в виде направленного графа, в котором есть много информации для оценки поведения клиента.

«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»», — объясняет один из авторов работы, сотрудник Сколковского института науки и технологий Максим Панов.

В новой работе ученые решили обеспечить эффективную обработку и использование больших объемов 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».

Максим Панов

Исследователи использовали сверточную графовую нейронную сеть специальной архитектуры для обработки графов, в которых узлы графа соответствуют обезличенным идентификаторам клиентов банка, а ребра — связям между ними. Таким образом обеспечивается агрегирование данных связанных клиентов и прогнозирование кредитного рейтинга для заданного клиента.

Главная особенность предложенного подхода — возможность обработки крупномасштабных временны́х графов, присутствующих в банковских данных, в неизменном виде, то есть без какой-то предварительной обработки, которая зачастую очень трудоемка и приводит к частичным потерям содержащейся в этих данных информации.

В итоге, ученые Сколкова доказали, что использование данных о переводах между клиентами значительно улучшает качество оценки кредитных рисков по сравнению с алгоритмами, в которых используются только персональные данные о клиенте. Этот подход не только позволит банкам готовить более выгодные предложения для своих надежных клиентов, но и снизит негативные последствия мошеннических действий.

Источник: business.ru