Využití strojů podpůrných vektorů v řízení kreditního rizika

Anotace:

Využití kreditních modelů v rozhodování o přidělení půjček retailovým zákazníkům je dnes ve finančním sektoru již běžnou záležitostí a představuje důležitou složku pro udržení ziskovosti i transparentnosti celého procesu. Při objemech, s nimiž poskytovatelé úvěrů běžně pracují, představuje i sebenepatrnější zlepšení účinnosti používaných modelů významné dodatečné zisky. Finanční instituce však (z důvodů regulatorních pravidel i z opatrnosti kvůli možnému modelovému riziku) preferují pro tyto účely logistickou regresi před novými a potenciálně účinnějšími metodami. To však neznamená, že by výzkum nových přístupů měl ustat. Podpůrné vektorové stroje (SVM) patří k těmto alternativním přístupům. Tato práce zkoumá možnost jejich uplatnění při tvorbě kreditních modelů. Srovnává výkonnost modelů založených na SVM oproti tradičnímu přístup pomocí logistické regrese, a to na reálných kreditních datech získaných z platformy zaměřené na P2P půjčky. Lineární verze podpůrných vektorových strojů byla v rozlišení dobrých a špatných dlužníků méně úspěšná než klasická logistická regrese. Naopak SVM model s nelinární jádrovou funkcí byl schopen logistickou regresi překonat a tento rozdíl ve výkonnosti byl statisticky významný. Navzdory tomuto dílčímu úspěchu se ale praktické využití podpůrných vektorových strojů v tomto oboru pojí s celou řadou obtíží, mezi něž patří dlouhá doba vývoje modelu a jeho nižší robustnost. Vezmeme-li v úvahu nové algoritmy, s nimiž odborná literatura přišla v posledních 10 letech a které jsou schopny soustavně dosahovat lepších výsledků, nelze metodu podpůrných vektorových strojů pro využití v kreditních modelech doporučit.

Klíčová slova:

logistická regrese, podpůrné vektorové stroje, svm, kreditní skóring, p2p půjčky