Мы используем файлы cookies для улучшения работы сайта НИУ ВШЭ и большего удобства его использования. Более подробную информацию об использовании файлов cookies можно найти здесь, наши правила обработки персональных данных – здесь. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом НИУ ВШЭ и согласны с нашими правилами обработки персональных данных. Вы можете отключить файлы cookies в настройках Вашего браузера.
Школа финансов ВШЭ
119049 Москва, Покровский бульвар, 11,
офис S629.
Телефоны:
+7 (495) 772-95-90*27447, *27190, *27947 (по общим вопросам Школы финансов)
+7 (495) 621-91-92 (по вопросам Бизнес-образования)
+7 (495) 916-88-08 (Магистерская программа "Корпоративные финансы")
E-mail:
df@hse.ru (по общим вопросам Школы финансов),
finance@hse.ru (по вопросам Бизнес-образования)
ординарный профессор НИУ ВШЭ, доктор экономических наук, заслуженный работник высшей школы РФ
Школа финансов ВШЭ — лидирующий в стране центр компетенций в области корпоративных финансов, оценки стоимости, банковского дела, фондового рынка, управления рисками и страхования, учета и аудита.
Наш университет - первый в России в глобальном рейтинге "QS – World University Rankings by subject" (2022) в предметной области Accounting and Finance, а так же первый среди российских университетов в области Business & Management Studies.
Федорова Е. А., Лазарев М., Балычев С. и др.
М.: КноРус, 2025.
Financial Innovation. 2025. Vol. 11. No. 1.
В кн.: Финансовое моделирование в фирме. М.: КноРус, 2025. Гл. 5. С. 154-174.
Станкевич В. С., Бетина М. С., Зеньков А. И. и др.
nomer-v-pechati. 16. Журнал «Финансы и Бизнес», 2024. № 1.
На вопросы корреспондента Школы финансов о содержании исследования ответил аспирант Школы финансов Косарев Владислав Романович
Какие входные данные вы используете для предсказания платежного поведения заемщика?
Для предсказания платежного поведения нужны достаточно детальные данные о ссуде, а именно количество платежей, которое вносит клиент в счёт погашения его ссуды.
Какой процент достоверности (точности) предсказания платежного поведения заемщика?
Сейчас точность предсказания довольно скромная — 45%, такие результаты никого не устраивают, но благодаря использованию более подходящих техник моделирования (finite mixture regression models) их можно улучшить. На мой взгляд, ошибка должна снизиться до 20 и менее процентов.
Вы предлагаете несколько способов применения предсказания платежного поведения заемщика, а в каком направлении на ваш взгляд есть наибольшие перспективы развития? И почему?
Первый метод, про который я рассказывал — это «в лоб» моделирование количества платежей. В ней есть очевидные преимущества — зная количество платежей можно получить все что угодно, в т.ч. точно рассчитать ожидаемый денежный поток. Недостаток здесь в том, что для моделирование такой величины стандартные эконометрические техники не подходят ввиду того, что распределение является мультимодальным.
Вторая — моделирование вероятности того, что по ссуде будет внесён 0, 1, 2, 3 и так далее платежей. В ней с точки зрения эконометрического моделирования ситуация неоднозначная. С одной стороны, достаточно использовать мультиномиальную регрессию, но с другой стороны непонятно каким количеством платежей ограничиваться — какое количество вероятностей моделировать 10 или 50?