Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Социально-экономическое развитие регионов в условиях цифровой трансформации; Омск; Омск
Год издания: 2026
Ключевые слова: dynamic scoring, credit risk, macroeconomic indicators, machine learning, logistic regression, динамический скоринг, кредитный риск, макроэкономические индикаторы, машинное обучение, логистическая регрессия, Gaussian mixture model
Аннотация: Разработана динамическая модель кредитного скоринга, интегрирующая макроэкономические индикаторы. На основе логистической регрессии и Gaussian Mixture Model идентифицированы фазы экономического цикла. Показано, что расширенная модель сохраняет прогнозную точность базовой. Результаты применимы для построения адаптивных банковских сиПоказать полностьюстем оценки рисков. A dynamic credit scoring model integrating macroeconomic indicators was developed. Economic cycle phases were identified using logistic regression and a Gaussian Mixture Model. The extended model was shown to retain the predictive accuracy of the base model. The results are applicable for developing adaptive risk assessment systems for banks.
Журнал: Социально-экономическое развитие регионов в условиях цифровой трансформации
Номера страниц: 217-221
Место издания: Омск