Главная / Новости / Минская финтех-компания оценивает кредитоспособность заёмщика с помощью машинного обучения

1829 просмотров

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.

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.

HiEnd Systems - партнер Конференции "Цифровой банкинг 2017"

Материал подготовлен dev.by

Другие материалы:
Новости Беларуси в сфере цифрового банкинга за декабрьНовости мира в сфере цифрового банкинга за декабрьТренды 2016 года

Поделиться в социальных сетях

Регистрация партнёра


Ваша фамилия*

Ваше имя*

Ваше отчество

Контактный телефон (375 17 ХХХ ХХ ХХ)*

Введите ваш e-mail*

Название организации*

Ваша должность*

Пожелания к партнёрству

Регистрация докладчика


Ваша фамилия*

Ваше имя*

Ваше отчество

Контактный телефон (375 17 ХХХ ХХ ХХ)*

Введите ваш e-mail*

Название организации*

Ваша должность*

Тема доклада*

Краткие тезисы*