@ARTICLE{26583204_162638914_2015, 
	author = {А. А. Масютин}, 
	keywords = {, кредитный скоринг, социальные сети, вероятность дефолта, социальные данныеВконтакте},
	title = {<p class="text">Кредитный скоринг на основе данных социальных сетей</p>},
	journal = {Бизнес-информатика},
	year = {2015},
	number = {3(33) },
	pages = {15-23},
	url = {https://bijournal.hse.ru/2015--3(33) /162638914.html},
	publisher = {},
	abstract = {Масютин Алексей Александрович&nbsp;- аспирант, департамент анализа данных и искусственного интеллекта, факультет компьютерных наук,&nbsp;Национальный исследовательский университет «Высшая школа экономики»&nbsp;Адрес: 101000, г. Москва, ул. Мясницкая, д. 20.E-mail: alexey.masyutin@gmail.com&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; Социальные сети аккумулируют значительное количество информации, которая позволяет получать дополнительные сведения о поведении людей. В данной работе мы используем данные наиболее посещаемой социальной сети «Вконтакте», чтобы выделять сегменты неплатежеспособных клиентов банка. Во-первых, мы представляем архитектуру центра хранения и обработки данных из социальных сетей. Он включает в себя инструменты для соотнесения реального клиента и его виртуального профиля в социальной сети, парсинг профилей социальной сети, получение данных об активности пользователя через API, и наконец, само хранилище данных. Во-вторых, на исторических данных мы разрабатываем две скоринговые карты, основанные исключительно на данных активности клиента в социальных сетях. Первая карта прогнозирует событие обычного дефолта - выхода на просрочку по ссуде более 90 дней за первые 12 месяцев с момента получения кредита. Вторая скоринговая карта прогнозирует событие мошеннического дефолта. Обе карты используют WOE-трансформацию входящих данных и затем применяют логистическую регрессию по преобразованным данным. В результате данные социальных сетей лучше прогнозируют случаи мошеннических дефолтов, в отличие от обычных случаев просрочки. Качество скоринговых карт находится на приемлемом уровне, что подтверждается ROC-анализом и коэффициентами Джини. Поскольку классические скоринговые системы во многом опираются на кредитную историю клиента, которая зачастую отсутствует у молодых заемщиков, мы считаем, что данные социальных сетей могут служить их заменой. Таким образом, данные социальных сетей могут быть использованы для обогащения классических скоринговых систем банков и микрофинансовых организаций.},
	annote = {Масютин Алексей Александрович&nbsp;- аспирант, департамент анализа данных и искусственного интеллекта, факультет компьютерных наук,&nbsp;Национальный исследовательский университет «Высшая школа экономики»&nbsp;Адрес: 101000, г. Москва, ул. Мясницкая, д. 20.E-mail: alexey.masyutin@gmail.com&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; Социальные сети аккумулируют значительное количество информации, которая позволяет получать дополнительные сведения о поведении людей. В данной работе мы используем данные наиболее посещаемой социальной сети «Вконтакте», чтобы выделять сегменты неплатежеспособных клиентов банка. Во-первых, мы представляем архитектуру центра хранения и обработки данных из социальных сетей. Он включает в себя инструменты для соотнесения реального клиента и его виртуального профиля в социальной сети, парсинг профилей социальной сети, получение данных об активности пользователя через API, и наконец, само хранилище данных. Во-вторых, на исторических данных мы разрабатываем две скоринговые карты, основанные исключительно на данных активности клиента в социальных сетях. Первая карта прогнозирует событие обычного дефолта - выхода на просрочку по ссуде более 90 дней за первые 12 месяцев с момента получения кредита. Вторая скоринговая карта прогнозирует событие мошеннического дефолта. Обе карты используют WOE-трансформацию входящих данных и затем применяют логистическую регрессию по преобразованным данным. В результате данные социальных сетей лучше прогнозируют случаи мошеннических дефолтов, в отличие от обычных случаев просрочки. Качество скоринговых карт находится на приемлемом уровне, что подтверждается ROC-анализом и коэффициентами Джини. Поскольку классические скоринговые системы во многом опираются на кредитную историю клиента, которая зачастую отсутствует у молодых заемщиков, мы считаем, что данные социальных сетей могут служить их заменой. Таким образом, данные социальных сетей могут быть использованы для обогащения классических скоринговых систем банков и микрофинансовых организаций.}
}