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:

– максимально допустимый риск невозврата кредитных средств, рассчитанный согласно политике банка (отражает платежеспособность);

– минимально допустимый риск невозврата кредитных средств, рассчитанный согласно политике банка (отражает платежеспособность);

– риск невозврата кредитных средств соискателем, рассчитанный согласно политике банка (отражает платежеспособность конкретного соискателя);

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

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

– риск невозврата заемных средств согласно оценке субъективного кредитного поведения, 5 %;

– риск невозврата заемных средств согласно оценке субъективного кредитного поведения, 10%;

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

– означает, что соискатель «хороший» и риск невозврата заемных средств согласно оценке субъективного кредитного поведения 10%;

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

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

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

В случае жесткого приоритета (выбор делает ЛПР) возможны варианты когда:

• в ситуации наличия противоречия решение принимается при предпочтении ;
• в ситуации наличия противоречия решение принимается при предпочтении .

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

• если – количество правильно принятых решений при предпочтении альтернативы (количество ошибок в случае такого предпочтения меньше), то  ;
• если  – количество правильно принятых решений при предпочтении альтернативы (количество ошибок в случае такого предпочтения меньше), то    .

Обозначим конечное множество исходов на конечном множестве прецедентов  . Тогда, например, при задании ЛПР жесткого приоритета, при предпочтении , возможны ситуации:

• если , то:

: если , то перейти к , если , то :;

: если , то перейти к , если , перейти к   , если , то:  ;

: если , то перейти к , если , перейти к   , если , то перейти к , если , то :;

: если , то перейти к , если , перейти к   , если , то перейти к , если , то перейти к , если , то :;

: если , то перейти к , если , перейти к   , если , то перейти к , если , то перейти к , если , то :, предупредить ЛПР;

: если , то перейти к , если , то : отказать в выдаче кредита;

: если , то перейти к , если , то перейти к , если , то :;

: если , то перейти к , если , то перейти к , если , то перейти к , если , то :;

: если , то перейти к , если , то перейти к , если , то перейти к , если , то перейти к , если , то :;

: если , то перейти к , если , то перейти к , если , то перейти к  , если , то перейти к , если , то перейти к , если , то :, предупредить ЛПР;

: если , то перейти к , если , то перейти к , если , то перейти к , если , то перейти к , если , то перейти к , если , то :, предупредить ЛПР.

Далее, представим алгоритм, как алгоритм анализа данных на основе модели субъективного  поведения КЗ с применением БП древовидной структуры.

:;

:;

: предупредить ЛПР;

: предупредить ЛПР;

:, предупредить ЛПР;

: отказать в выдаче кредита;

:;

:;

:, предупредить ЛПР;

:, предупредить ЛПР;

:, предупредить ЛПР;

: , предупредить ЛПР;

: , предупредить ЛПР;

: ;

: ;

: , предупредить ЛПР – «изменить анкету»;

: , предупредить ЛПР, – «изменить анкету».

Применение древовидной иерархической структуры при реализации продукционной модели оценки рисков объясняется наличием противоречивых ситуаций при принятии решений, основанных на оценках платежеспособности и кредитоспособности. Древовидная иерархическая структура БП позволяет не только решить противоречия, но и избавиться от переборов. Алгоритм учитывает возможность решения проблем по умолчанию или действиями, согласно плану активного вмешательства ЛПР. БП выбора решений с учетом установления предпочтений при наличии противоречий и всеми возможными прецедентами представлена на рис. 5.1.

Рис. 5.1. Дерево поддержки принятия решения о выдаче кредита с набором управляющих воздействий на интеллектуальную подсистему формирования СПП и подсистему предпочтений в зависимости от ситуаций (начало)

Рис. 5.1. Дерево поддержки принятия решения (продолжение)

Рис. 5.1. Дерево поддержки принятия решения (продолжение)

Рис. 5.1. Дерево поддержки принятия решения (продолжение)

Рис. 5.1. Дерево поддержки принятия решения (продолжение)

Рис. 5.1. Дерево поддержки принятия решения (продолжение)

Рис. 5.1. Дерево поддержки принятия решения (окончание)

Обобщая результаты, можно представить разработанный алгоритм интеллектуальной поддержки принятия решений на основе оценки кредитоспособности с ситуационным управлением системой оценки рисков (с набором управляющих воздействий на подсистему формирования СПП и подсистему предпочтений в зависимости от ситуаций (рис. 5.2).

Следует учитывать особенность режима работы системы, а именно, на этапе обучения модели и в рабочем режиме, включая актуализацию модели.

В обоих случаях первым шагом алгоритма является решение задачи формирования анкеты КЗ для дальнейшего анкетирования соискателя кредита. Действия на данном шаге аналогичны действиям на пятом шаге алгоритма извлечения и структурирования знаний с целью формирования анкеты КЗ (глава 3), что позволяет предусмотреть различные сценарии работы ИСППР по предпочтению ЛПР. Алгоритм формирования наборов анкет КЗ представлен на рис.3.8.

В работе представлена анкета, содержащая пятьдесят СЗП, наиболее характерных для мужчин и отдельно для женщин.

Второй шаг алгоритма заключается в анкетировании в соответствии с рекомендациями проведения социально-экономических и психодиагностических опросов. Методика анкетирования базируется на методе многомерного шкалирования и подробно представлена в третьей главе работы.

Далее рассмотрим работу системы в режиме обучения модели.

Результаты анкетирования заносятся в БД системы и представляют собой данные, характеризующие обучающую выборку, на основе которой система готовится к работе.

Третий шаг алгоритма – обучение модели, который включает: заполнение шаблона-маски, определение оценок КЗ по векторам отличий и статистические характеристики групп КЗ в соответствии с принятой типологией. Процесс заполнения шаблона-маски представлен серией блоков: генерация групп, генерация структуры шаблона-маски, заполнение шаблона-маски данными о СЗП (их коды и градации), заполнение шаблона-маски частотами встречаемости СЗП. Следует учесть, что при первичной установке ИСППР необходимо подготовить шаблон-маску частот встречаемости и нужно гарантировать соответствие описания групп по их характеристикам в системе. Структура данного шаблона зависит от того, каким образом сформировались социально-демографические группы. Поэтому в ИСППР он генерируется в процессе начального формирования обучающей выборки, а при установке системы отсутствует. На основе обучающей выборки определяются суммарные показатели выбора каждой градации каждого СЗП представителями групп КЗ.

Основной задачей данной системы является принятие решения о выдаче/отказе кредита соискателю кредита. Рассмотрим ту часть алгоритма, которая отвечает за оценку соискателя и принятие решения о выдаче кредита в рабочем режиме.

Рис. 5.2. Схема алгоритма интеллектуальной поддержки принятия решений

на основе оценки кредитоспособности с ситуационным управлением

системой оценки рисков (начало)

Рис. 5.2. Схема алгоритма интеллектуальной поддержки

принятия решений (продолжение)

Рис. 5.2. Схема алгоритма интеллектуальной поддержки

принятия решений (продолжение)

Рис. 5.2. Схема алгоритма интеллектуальной поддержки

принятия решений (окончание)

На втором шаге соискатель заполняет анкету в соответствии с кредитной политикой банка, получает оценку платежеспособности. После того, как он даст согласие на оценку его кредитоспособности, соискатель заполняет анкету КЗ. Далее кредитный инспектор заносит данные в систему.

На четвертом шаге алгоритма формируется управляющее воздействие на систему оценки кредитоспособности. Критерии системы формируются на основании оценки их эффективности, а именно на оценке репрезентативности обучающей выборки (в соответствии с типом группы соискателя), на оценке правильности принятых решений на основании оценки платежеспособности/кредитоспособности (по правилу большинства). Управляющее воздействие учитывает возможность выбора предпочтений как по умолчанию (с учетом критериев системы), так и в соответствии с активным планом действий аналитика или риск-менеджера кредитной организации в соответствии с кредитной политикой банка.

На последнем пятом шаге осуществляется обход дерева поддержки принятия решения с набором управляющих воздействий на интеллектуальную подсистему формирования СПП и подсистему предпочтений в зависимости от ситуаций поддержки принятия решения. При этом система обращается к БД средств управления, БЗ решенных задач по принятию решений. Исходом является принятие решения.

Таким образом, МЗ для оценки вероятных рисков невозврата кредитных средств, связанных с субъективным кредитным поведением дает возможность значительного увеличения динамически меняющегося многомерного множества разнородных признаков.

Алгоритм интеллектуальной поддержки принятия решений о возможности выдачи кредита на основе оценки кредитоспособности с ситуационным управлением системой оценки рисков, реализующий предложенную концепцию. БП для принятия решения обеспечивает уход от переборов ситуаций в случае наличия противоречий в системе, которые обусловлены участием таких оценок соискателя, как платежеспособность и кредитоспособность согласно плану активного вмешательства ЛПР или плану, принятому по умолчанию. Алгоритм направлен на поддержание системы в актуальном состоянии и позволяет в квазидинамическом режиме изменять ключевые критерии оценки субъективного кредитного поведения КЗ.