Хотите дальше читать devby? 📝
Support us

Минская финтех-компания оценивает кредитоспособность заёмщика с помощью машинного обучения

Оставить комментарий
Минская финтех-компания оценивает кредитоспособность заёмщика с помощью машинного обучения

В портфеле минского разработчика «прорывных» решений для финансового сектора HiEnd Systems (HES) — ПО для автоматизации процесса кредитования, обработке платежей, антифрод-системы. Новый продукт компании — платформа GiniMachine, оценивающая кредитоспособность заёмщика на базе алгоритмов машинного обучения. Основатели проекта Дмитрий Долгоруков, Иван Коваленко и Юрий Зеленский расказали dev.by о применении технологических трендов в автоматизации бизнес-процессов в мире финансов.

Читать далее

В офисе HES

Оценка кредитоспособности: от традиционных методов к ИИ

Проект GiniMachine зародился в декабре прошлого года и пока существует в рамках компании HES. На рынке он представлен чуть больше трёх месяцев и уже работает у первых клиентов за рубежом.

Опыт Ивана и Дмитрия в сфере финтеха и Юрия в машинном обучении трансформировался в продукт, лежащий на стыке этих направлений.

GiniMachine — это платформа оценки кредитоспособности заёмщика, построенная на базе алгоритмов машинного обучения. Система позволяет «бороться» с «плохими» кредитами и повышает доходность портфеля кредитора.

«За время работы в финтехе мы обнаружили ряд задач, с которыми сталкиваются как банки, так и небанковские кредитные организации. Одна из них — оценка кредитоспособности заёмщиков,  — рассказывает Иван Коваленко. — Нередко для оценки кредитного рейтинга используются универсальные модели, а они заведомо уступают специализированным. Кроме того, для создания скоринговых моделей требуются квалифицированные специалисты и дорогостоящее ПО. А объём и разнообразие данных постоянно растут, как и скорость принятия кредитных решений. Использование машинного обучения и элементов ИИ позволяет решить эти проблемы».

По словам основателей проекта, необходимость классификации «плохих» и «хороших» заёмщиков существует с тех пор, как появились финансовые взаимоотношения между кредиторами и заемщиками.

«В силу того, что понятие скоринга появилось ещё в середине прошлого века, на рынке доминируют традиционные подходы вычисления кредитоспособности заёмщиков. А искусственный интеллект и машинное обучение использует узкий круг «продвинутых» мировых банков. Наша цель в том, чтобы небольшие кредитные организации, так же как и крупные банки, имели доступ к новейшим разработкам в финансовом секторе», — объясняет Дмитрий Долгоруков.

Будущее скоринга — большие данные и искусственный интеллект  

Основатели GiniMachine говорят, что количество информации о клиентах, которую собирают банки и кредитные организации перед тем, как выдать кредит, растёт экспоненциально.

«Раньше информацию о клиенте получали из пары десятков вопросов анкеты, а сейчас — это сотни параметров, которые собирают из множества источников, таких как данные кредитных бюро, социальные сети. Фиксируются даже особенности поведения пользователя на сайте», — утверждают авторы проекта.

На принятие банком решения о выдаче кредита влияют не только социодемографические данные или место работы заёмщика, но и данные о его мобильных устройствах, времени заполнения анкеты и т.д.

«Сбор и обработка всех этих параметров стоят немалых денег. Но далеко не все они нужны при составлении успешной модели оценки кредитоспособности заёмщика. Одна из задач GiniMachine — определять, какие из параметров действительно важны, — рассказывает Иван Коваленко. — Важная особенность нашей платформы в том, что она умеет работать с «сырыми» данными. Как результат — полученная на выходе модель является уникальной для каждого клиента».

По словам собеседников, реакция рынка на продукт оказалась «на удивление благоприятной».  

Иван Коваленко

«Потенциальные заказчики с интересом восприняли разработку. Мы провели успешные пилотные проекты в нескольких странах, часть из которых уже конвертировалась в клиентов. Секрет успеха GiniMachine в том, что финансовые выгоды для клиента очевидны уже на этапе пилота», — добавляет Иван Коваленко.

Машинное обучение «с секретным соусом»

Решение GiniMachine основано на актуальных методах машинного обучения, дополненных набором эвристик и методологических находок. Оно позволяет строить скоринговые модели автономно, без привлечения экспертизы в области математической статистики и машинного обучения со стороны заказчика.

«На создание модели требуется всего несколько минут. Поэтому её можно перестраивать по мере накопления или устаревания исторических данных, при этом получая уникальные модели, адаптированные к определённой экономической ситуации и целевой аудитории», — поясняют авторы проекта.

Для построения скоринговых моделей применяется градиентный бустинг над решающими деревьями — аналог известного метода машинного обучения Random Forests.

«Архитектура решения позволяет работать практически с любым методом машинного обучения. Мы экспериментировали и с логистической, и с линейной регрессиями, методом опорных векторов. Изучаем возможность построения моделей на основе нейронных сетей. Каждый из этих методов имеет свои преимущества, но нам ещё предстоит подобрать для них секретный соус», — говорит Юрий Зеленский, экс-CTO Itransition.

Юрий Зеленский

Часть GiniMachine, связанная с ИИ, реализована на Python, а CRUD-модуль — на проверенной связке Java Spring, Hibernate, React.

«В рамках экосистемы Python созданы библиотеки, реализующие большинство современных методов машинного обучения. Они предоставляют удобные и удачно спроектированные инструменты для работы с данными: Scikit-learn, NumPy, Pandas, — рассказывает Юрий. — Интерактивные среды, как Jupyter (IPython), очень удобны для проведения исследовательских работ и обсуждения результатов исследований внутри команды. Зрелые библиотеки для визуализации данных — Matplotlib и ggplot (пришедший из экосистемы языка R) — дополняют боевой набор практика Data Science».

Место белорусских финтех-стартапов в мире  

По мнению Дмитрия Долгорукова, белорусские стартапы в области финтеха пока не достаточно заметны на мировом рынке.

«Многие стартапы в области финтеха занимаются либо платежами, либо управлением персональными финансами, либо программами лояльности. Эти темы существуют уже не первый год, в них представлены очень сильные игроки. Поэтому проекты с такими идеями могут рассчитывать на весьма небольшой кусочек в этом огромном пироге. А действительно прорывных идей пока совсем немного», — говорит Долгоруков.

Дмитрий Долгоруков

Собеседники считают, что особый интерес для отечественных финтех-стартапов могут представлять блокчейн-технологии и искусственный интеллект для алгоритмической торговли и управления активами, решения в области страхования.

Также они верят в то, что расцвет белорусского финтеха ещё впереди.  

«Есть ли рынок для GiniMachine в Беларуси? Конечно, есть. Более того, некоторые банки уже проявили интерес и сейчас проходит пилотный проект для одной организации. Уверен, после конференции желающих станет больше», — сказал Дмитрий Долгоруков.

GiniMachine — на «Цифровом банкинге-2017»

На конференции «Цифровой банкинг-2017», организованной Нацбанком Беларуси и Ассоциацией «Инфопарк», основатели GiniMachine подрообно расскажут о современных подходах, предсказывающих риск дефолта заёмщика.

 

Фото: Андрей Давыдчик, dev.by

Помогаете devby = помогаете ИТ-комьюнити.

Засапортить сейчас.

Читайте также
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
Пока 20% топ-менеджеров утверждают, что машинное обучение является существенной частью их бизнеса, неудивительно, что стоимость мирового рынка машинного обучения, по некоторым оценкам, достигнет $117 млрд к концу 2027 года. Мы перевели материал Udacity о семи самых обсуждаемых тенденциях в машинном обучении в 2022 году.
Нейросеть «оживляет» классические пиксельные игры
Нейросеть «оживляет» классические пиксельные игры
Нейросеть «оживляет» классические пиксельные игры
Meta разработала ИИ для «чтения мыслей»
Meta разработала ИИ для «чтения мыслей»
Meta разработала ИИ для «чтения мыслей»
Во Франции искусственный интеллект помогает искать нелегальные бассейны и штрафовать нарушителей
Во Франции искусственный интеллект помогает искать нелегальные бассейны и штрафовать нарушителей
Во Франции искусственный интеллект помогает искать нелегальные бассейны и штрафовать нарушителей
3 комментария

Хотите сообщить важную новость? Пишите в Telegram-бот

Главные события и полезные ссылки в нашем Telegram-канале

Обсуждение
Комментируйте без ограничений

Релоцировались? Теперь вы можете комментировать без верификации аккаунта.

Комментариев пока нет.