KREDİT RİSKLƏRİNİN QİYMƏTLƏNDİRİLMƏSİNDƏ MAŞIN ÖYRƏNMƏSİ (ML) MODELLƏRİ

Abstract

Müasir bank sektorunda kredit risklərinin qiymətləndirilməsi maliyyə sabitliyi və bank gəlirliliyi üçün mühüm əhəmiyyət kəsb edir. Aparılmış tədqiqatın məqsədi kredit risklərinin proqnozlaşdırılmasında maşın öyrənməsi modellərinin tətbiqi imkanlarını araşdırmaqdır. Tədqiqatın obyekti banklarda kredit portfellərinin idarə edilməsidir, predmeti isə maşın öyrənməsi modellərinin kredit defoltunun proqnozlaşdırılmasında effektivliyidir. Araşdırma üçün son beş il üzrə beynəlxalq və milli bank məlumatları, açıq verilənlər bazaları və elmi məqalələr istifadə edilmişdir. Analiz zamanı logistik regresiya, qərar ağacı, təsadüfi meşə və qradient gücləndirmə modelləri tətbiq olunmuş, borcalan xüsusiyyətləri və kredit göstəriciləri əsas dəyişən kimi götürülmüşdür. Nəticələr göstərir ki, təsadüfi meşə və qradient gücləndirmə modelləri ən yüksək dəqiqlik və effektivliyə malikdir, maşın öyrənməsi modelləri kredit portfellərinin idarə edilməsində risklərin azalmasına və defolt səviyyəsinin minimuma endirilməsinə imkan verir. Tövsiyə olunur ki, gələcək araşdırmalarda real kredit məlumatları əsasında daha geniş empirik tədqiqatlar aparılsın, interpretasiya metodları (SHAP, LIME) tətbiq edilsin və süni intellekt əsaslı kredit skoring sistemlərinin tənzimləyici çərçivəsi təkmilləşdirilsin