СОВЕРШЕНСТВОВАНИЕ ЭКОНОМЕТРИЧЕСКИХ МОДЕЛЕЙ ОЦЕНКИ КРЕДИТНЫХ РИСКОВ В БАНКОВСКОЙ СИСТЕМЕ С ПРИМЕНЕНИЕМ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Abstract

В условиях цифровизации финансового сектора и роста объемов доступных данных проблема точной оценки кредитных рисков приобретает особую актуальность. Традиционные эконометрические модели, широко применяемые в банковской практике, не всегда позволяют в полной мере учитывать сложные нелинейные зависимости и гетерогенность заемщиков. В статье рассматриваются подходы к совершенствованию эконометрических моделей оценки кредитных рисков путем интеграции технологий искусственного интеллекта. Цель исследования заключается в повышении точности и устойчивости эконометрических оценок кредитного риска при сохранении их интерпретируемости. В качестве методологической базы используются логит- и пробит-модели, модели панельных данных, а также алгоритмы машинного обучения, включая случайный лес и градиентный бустинг. Полученные результаты показывают, что использование инструментов искусственного интеллекта в качестве вспомогательного аналитического механизма позволяет повысить прогностическую способность эконометрических моделей и улучшить качество принятия кредитных решений. Практическая значимость исследования заключается в возможности применения предложенного подхода в системах риск-менеджмента коммерческих банков.