МНОГОМЕРНЫЙ АНАЛИЗ ДАННЫХ В ЗАДАЧЕ ПРОГНОЗИРОВАНИЯ ПОПАДАНИЯ КРЕДИТНЫХ ОРГАНИЗАЦИЙ В ЗОНУ РИСКА

Исследование экономических процессов базируется на изучении большого числа параметров. В связи с чем для проведения анализа исследуемых явлений и решения прогностических задач возникает необходимость применения методов многомерного анализа данных. В статье рассматривается проблема идентификации подозрительных, с точки зрения финансовой состоятельности, кредитных организаций, осуществляющих свою деятельность на российском рынке. Настоящее исследование нацелено на разработку методики многомерного анализа данных для выявления подозрительных кредитных организаций и прогнозирования отзыва у них лицензий. Для решения указанной задачи предлагается использовать иерархические и итерационные методы кластерного анализа, а также метод главных компонент. На основе этих методов разработана методика формирования зоны риска, позволяющая прогнозировать отзыв лицензий у кредитных организаций. Для определения количества кластеров применялся метод кластеризации Варда, а также метод локтя, метод силуэтов, метод Дэвиса–Боулдина. Совместное использование методов кластерного анализа и метода главных компонент позволили продемонстрировать робастность предложенной методики. В настоящем исследовании использовались данные формы банковской отчетности № 101.

1. Андерсон Т. Введение в многомерный статистический анализ. М.: Государственное издательство физико-математической литературы, 1963. 500 с.

2. Дюран Б., Оделл П. Кластерный анализ. М.: Статистика, 1977. 128 с.

3. Dr. Tirthajyoti Sarkar. Clustering and dimensionality reduction techniques combined. [Электронный ресурс]. URL: https://github.com/ tirthajyoti/Machine-Learning-with-Python/blob/master/Clustering-Dimen¬sio¬nality-Reduction/Clustering_with_dim_reduction.ipynb (дата обращения: 07.07.2023).

4. Айвазян С.А., Бухштабер В.М., Енюков И.С. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989. 607 с. ISBN 5-279-00054-X.

5. Акишина Е.П., Иванов В.В., Крянев А.В., Приказчикова А.С. Cравнительный анализ методов деревьев решений и нейронных сетей в задаче классификации кредитных организаций // Вестник НИЯУ МИФИ, 2022. Т. 11. № 6. С. 442–449. https://doi.org/ 10.26583/vestnik.2022.12.

6. Акишина Е.П., Иванов В.В., Приказчикова А.С. Применение нейронных сетей и метода главных компонент для идентификации кредитных организаций, потенциально вовлеченных в процесс по легализации преступных доходов // Известия Иссык-Кульского форума бухгалтеров и аудиторов стран Центральной Азии, 2022. № 2(37). С. 294–296.

7. Murtagh F. Ward's Hierarchical Agglomerative Clustering Method: Which Algorithms Implement Ward's Criterion. // Journal of Classification, 2014. № 31. P. 274–295.

8. Айвазян С.А. Многомерный статистический анализ в социально-экономических исследованиях // Экономика и математические методы, 1977. № 13 (5). С. 968–985.

9. StatSoft Inc., 2011. STATISTICA (data analysis software system), version 10. [Электронный ресурс]. URL: www.statsoft.com (дата обращения: 07.07.2023).

10. Баймуратов И.Р. Методы автоматизации машинного обучения. СПб.: Университет ИТМО, 2020. 40 с.

11. Айвазян С.Л., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Издательство «Финансы и статистика», 1985. 488 с.