Інноваційні практики та інноваційний потенціал методології кредитного скорингу компаній мікрокредитування

Abstract

Метою статті є дослідження сучасних інноваційних практик, що застосовуються в кредитному скорингу компаніями мікрокредитування, а також проведення ретельної оцінки майбутніх перспектив та інноваційного потенціалу методології кредитного скорингу загалом. Наукові результати дослідження і прогнозування інноваційних трендів методології кредитного скорингу для мікрофінансових організацій було отримано за допомогою наступних методів: аналіз окремих компонентів сучасних інноваційних процесів побудови моделей кредитного скорингу, синтез окремих тенденцій розвитку та їх системне узагальнення в високорівневі закономірності та тренди, а також системний метод технологічного передбачення щодо майбутніх перспектив інноваційного розвитку методології кредитного скорингу у сфері мікрокредитування. На основі сучасних трендів методології кредитного скорингу в сфері мікрокредитування доведено, що інтеграція сучасних напрацювань зі сфері машинного навчання у сферу кредитного скорингу має великий вплив на функціонування, і, як наслідок, на фінансові результати роботи компаній мікрокредитування. Ідентифіковано ключові етапи побудови моделей кредитного скорингу спряжені з особливостями мікрокредитування, котрі підлягають найбільшому впливу інновацій та розвитку технологій, а також ідентифіковано відповідні тенденції. Таким чином виділено три основні етапи моделювання кредитних ризиків, які наразі мають найбільший інноваційний потенціал: 1) означення цільової змінної моделювання; 2) побудова базової моделі кредитного скорингу на прийнятих заявках (тільки на повних даних); 3) аналіз та включення у фінальну модель відхилених заявок з метою забезпечення незміщеності фінальної моделі (включаючи неповні дані). Спрогнозовано подальші тренди розвитку методології моделювання кредитних ризиків у сфері мікрокредитування. Ідентифіковано пов’язану нагальну проблематику спричинену використанням інноваційних методів бінарної класифікації з області машинного навчання. Запропоновано ключові ідеї зокрема по вирішенню проблеми аналізу та включення відхилених заявок у фінальну модель для випадків використання новітніх методів машинного навчання дискретної природи, що є одним з ключових елементів перспектив подальших досліджень.