В статье финансовая грамотность рассматривается как важнейший фактор повышения активности граждан на рынке ценных бумаг и, как следствие, развития российского фондового рынка. Анализ статистических данных об уровне вовлеченности граждан в инвестиционный процесс на организованном рынке ценных бумаг России и о степени финансового просвещения населения в целом позволил выявить основные проблемы, препятствующие эффективному развитию рынка ценных бумаг в России, а также причины низкого уровня финансовой грамотности населения и инвестиционной активности на российском рынке ценных бумаг. В статье рассматриваются не только осуществляемые государством в настоящее время меры по решению сложившихся проблем в сфере финансовой грамотности населения, но и предлагаются новые пути их решения.
Выпуск 2, март -апрель 2014 Опубликовать статью в журнале -http://publ.naukovedenie.ru Институт Государственного управления, права и инновационных технологий (ИГУПИТ) Построение скоринговых карт с использованием модели логистической регрессииАннотация: В банковской сфере при управлении кредитными рисками одна из ключевых задач -оценка кредитоспособности заемщиков. Результаты оценки индивидуальных рисков являются основой для анализа рисков всего кредитного портфеля. Оценка риска невозврата кредита по конкретному заемщику на практике осуществляется в рамках двух основных подходов -на основе субъективного заключения экспертов или на основе автоматизированных систем скоринга.В основе построения скоринговой системы могут браться различные статистические модели. Эти модели могут быть получены методами линейной регрессии, логистической регрессии, дискриминантного анализа, деревьев решений, нейронных сетей и др. Однако логистическая регрессия является наиболее часто используемой на практике математической моделью для построения скоринговой карты. Настоящая работа посвящена рассмотрению различных подходов и методик к построению скоринговых карт на базе логистической регрессии, а также проблемам, которые могут возникать при построении скоринговых моделей.В статье рассматривается методика эконометрического моделирования вероятности дефолта по кредитам на основе модели логистической регрессии. Акцентируется внимание на методологических аспектах построения модели. Основные проблемы построения модели иллюстрируются практическими расчетами. Показывается методика перевода полученных коэффициентов модели логистической регрессии в скоринговую карту. Приводится пример построения скоринговой карты.Авторские выводы и рекомендации могут быть использованы специалистами по управлению рисками в коммерческих банках при построении скоринговых систем и проверки их работы.Ключевые слова: Кредитный риск; кредитный скоринг; логистическая регрессия; коммерческий банк; управление рисками; скоринговые карты; категоризация количественных переменных; информационное значение, вес категорий предикторов; валидация модели. ВведениеНаибольшее распространение в банковской сфере получил кредитный скоринг. Кредитный скоринг 3 можно опередить как метод начисления потенциальным заемщикам определенного количества баллов на основе информации о его социально-демографическом положении, кредитной истории, параметрах запрашиваемого кредита, и принятие решения о выдаче или об отказе в кредите на основе набранного суммарного количества баллов. На настоящий момент банки предъявляют повышенные требования к риск-аналитике в связи с участившимися случаями мошенничества и ростом числа невозвратных кредитов. По данным Национального бюро кредитных историй по состоянию на 1 января 2014 года потери кредиторов от мошенников составили 153 млрд руб., тогда как годом ранее их объем был 67 млрд руб 4 . На практике возникает задача не только принятия решения в отказе или выдачи кредита конкретному заемщику на основе набранного количества баллов, но и задача определения оптималь...
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.