Материал: 2047

торов, влияющих на принятие решений, выбор цели и алгоритмизацию самого процесса выработки решения [26, 27, 99, 106].

Таким образом, метод построения модели знаний, отражающей оценку рисков на основе оценки субъективного кредитного поведения путем синтеза модифицированного метода многомерного шкалирования и адаптированного и модифицированного метода ЛВмоделирования, позволяет анализировать «значимость» того или иного СЗП в соответствии с типологией КЗ в условиях, когда разнородные дискретные данные имеют многомерное распределение. Сценарий риска является ассоциативным и рассматривается только как гипотеза, что является большим преимуществом при оценке психологических аспектов. Инициирующие события-признаки могут иметь больше двух состояний, что дает возможность увеличения динамически меняющегося многомерного множества разнородных признаков. Реализованы два метода принятия решения: на основе расчета рангового коэффициента корреляции Спирмена и на основе интервальной оценки, что позволяет, в первом случае, принимать решения в период накопления статистических данных на этапе тестирования и ввода в

эксплуатацию ИСППР, а также в периоды накопления данных по анкетам с новыми СЗП, во втором случае – варьировать уровни риска и использовать большое количество исследуемых признаков.

90

Глава 5. РАЗРАБОТКА АЛГОРИТМА ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ С СИТУАЦИОННЫМ УПРАВЛЕНИЕМ СИСТЕМОЙ ОЦЕНКИ РИСКОВ

Рассматриваемый алгоритм направлен на оценку риска соискателя кредита с учетом его возможных рисков, связанных с субъективным кредитным поведением в связи с риском, основанным на оценке платежеспособности.

Алгоритм реализации метода должен учитывать отличительные особенности риска на основании оценки кредитоспособности соискателя на базе данных, полученных в результате оценки соискателя методом многомерного шкалирования на сформированной анкете КЗ, и значения риска на основании оценки платежеспособности соискателя, которые берутся из системы оценки рисков банка. Из анализа актуальности проблемы оценки риска в розничном кредитовании (глава 1) следует наличие противоречий при принятии решений о выдаче кредита и кредитного риска при рассмотрении его с двух точек зрения.

В данном случае следует придерживаться принципа ситуационного управления [66], который позволяет анализировать возникшую ситуацию, связанную с внутренним состоянием самой системы и состоянием внешней среды, формировать такие управляющие воздействия на систему, реализация которых обеспечивает ее эффективное функционирование в данной ситуации. Имеем типовые, известные заранее ситуации, которым должны соответствовать типовые управленческие решения.

Рассмотрим реализованные в работе основные принципы организации выбора решений в соответствии с технологией организации задачи выбора решений, изложенной в работе [69].

Определим исходное множество элементов, при которых обеспечивается удовлетворение требований-ограничений, обусловленных заданными условиями:

Rf max – максимально допустимый риск невозврата кредитных

средств, рассчитанный согласно политике банка (отражает платежеспособность);

Rf min – минимально допустимый риск невозврата кредитных

средств, рассчитанный согласно политике банка (отражает платежеспособность);

91

RSf – риск невозврата кредитных средств соискателем, рассчитан-

ный согласно политике банка (отражает платежеспособность конкретного соискателя);

RPhS – риск невозврата заемных средств соискателем согласно оценке субъективного кредитного поведения (отражает кредитоспособность конкретного соискателя);

RPh – риск невозврата заемных средств согласно оценке субъективного кредитного поведения (отражает кредитоспособность);

RPh5 – риск невозврата заемных средств согласно оценке субъек-

тивного кредитного поведения, 5 %;

RPh10 – риск невозврата заемных средств согласно оценке субъ-

ективного кредитного поведения, 10 %;

RPhS 5– означает, что соискатель «хороший» и риск невозврата заемных средств, согласно оценке субъективного кредитного поведения

5 %;

RPhS 10 – означает, что соискатель «хороший» и риск невозврата заемных средств согласно оценке субъективного кредитного поведе-

ния 10 %;

RPhS 95 – соискатель «плохой» и риск невозврата заемных средств согласно оценке субъективного кредитного поведения 95 %;

RPhS 90 – соискатель «плохой» и риск невозврата заемных средств согласно оценке субъективного кредитного поведения 90 %.

Определим предпочтения или выбор наилучшего элемента, упорядочив элементы по предпочтительности.

Вслучае жесткого приоритета (выбор делает ЛПР) возможны варианты когда:

­в ситуации наличия противоречия решение принимается при предпочтении XRf YRPh ;

­в ситуации наличия противоречия решение принимается при предпочтении YRPh XRf .

Всоответствии с правилом простого большинства (в случае работы системы в режиме автоматического управления при накоплении статистики по количеству правильно/неправильно принятых решений) возможны ситуации:

92

­ если l XRf ,YRPh – количество правильно принятых решений

при предпочтении альтернативы YRPh (количество ошибок в случае

мер, при задании ЛПР жесткого приоритета, при предпочтении

отказать в выдаче кредита;

93

Далее, представим алгоритм, как алгоритм анализа данных на основе модели субъективного поведения КЗ с применением БП древовидной структуры. Оценка риска аналогично производится для всех возможных ситуаций в соответствии с обходом дерева принятия решений (рис. 5.1). Имеем следующий перечень возможных исходов:

D1:R s Rmin f (1 0,95);

D2 :R s Rmin f (1 0,9);

D3 :R s Rmin f (1 0,9) предупредить ЛПР;

D4 :R s Rmin f (1 0,95) предупредить ЛПР; D5:R s Rmin f (1 0,95), предупредить ЛПР; D6: отказать в выдаче кредита;

D7 :R s Rmax f (1 0,95);

D8 :R s Rmax f (1 0,9);

94