РАЗРАБОТКА МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ КЛАССИФИКАЦИИ КРЕДИТНЫХ ОРГАНИЗАЦИЙ С ИСПОЛЬЗОВАНИЕМ ДЕРЕВЬЕВ РЕШЕНИЙ И ИХ АНСАМБЛЕЙ

В статье рассматривается задача применения деревьев решений и их ансамблей (лесов решений) в задаче классификации кредитных организаций, как объектов экономической безопасности. Хотя деревья решений и их ансамбли успешно применяются в банковском секторе, для автоматизированной идентификации неблагонадежных кредитных организаций деревья решений и их ансамбли ранее не использовались. Классификация кредитных организаций проводилась на основе формы банковской отчетности № 101. В результате проведенного анализа были выделены ключевые показатели деятельности кредитных организаций, а именно «Прибыль», «Счета в Банке России», «Ценные бумаги». С учетом этих показателей для модели CART была получена точность классификации, составившая 85 %. Для моделей Random Forest, Adaboost и Xgboost использовались все 23 показателя финансовой отчетности (форма 101), а достигнутая при этом точность составила 83, 80 и 80 %, соответственно, решена актуальная научно-практическая задача – разработаны математические модели, позволяющие идентифицировать высокорисковые кредитные организации и прогнозировать риски отзыва у них лицензий. В ходе их применения идентифицирован список потенциально неблагонадежных кредитных организаций, на которые рекомендуется обратить пристальное внимание органам государственной власти.