АВТОМАТИЗАЦИЯ ПРИНЯТИЯ РЕШЕНИЙ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ УПРАВЛЕНИЯ С ИСПОЛЬЗОВАНИЕМ ГИБРИДНОЙ: БАЙЕСОВСКО-САРИМАКСОВОЙ МОДЕЛИ ДЛЯ ПРОГНОЗИРОВАНИЯ КРЕДИТНОГО РИСКА

Аннотация

Для автоматизации систем принятия решений необходимы модели, обучающиеся на основе сложных и динамических макроэкономических факторов. В данном исследовании мы искали гибридный метод Байеса-Саримакс. Этот метод включает прогнозирование вероятностей динамических временных рядов. Целью является повышение точности оценки кредитного риска и повышение объяснимости. Модель учитывает линейные зависимости между дефолтами по кредитам и макроэкономическими факторами. К таким факторам относятся инфляция, общий доход граждан, заработная плата, рост ВВП и взаимосвязь между частными кредитами и ВВП.

Модель была обучена и валидирована с использованием реальных макроэкономических данных. Эти данные были получены из банковского портфеля и охватывали как национальные, так и международные источники. Для оценки макроэкономического стресса, вызванного дефолтами по кредитам, мы использовали лаговые корреляции, причинно-следственные зависимости и импульсные реакции. Байесовские слои улучшают качество моделей на ограниченных данных. Они включают априорные распределения и количественно оценивают неопределенность. Саримакс добавляет объяснимую временную динамику.

Экспериментальные результаты показывают, что гибридная модель превосходит классическую модель SARIMAX и автономные байесовские модели. Она повышает точность прогнозирования и прозрачность поддержки принятия решений. Эта среда обеспечивает более надежную автоматизацию решений, связанных с кредитованием, в интеллектуальных системах управления. Она поддерживает разработку адаптивных систем финансового контроля на основе данных.