Современные подходы к выявлению сомнительных компаний при кредитовании корпоративных клиентов с использованием методов машинного обучения

Цифровые технологии – драйвер развития любого бизнеса в современных условиях, в том числе сферы кредитования корпоративных клиентов. С одной стороны автоматизация позволяет существенно сократить сроки принятия решений по кредитам, тем самым повышая лояльность клиентов, но с другой стороны в цифровой среде появляются новые, более инновационные виды мошенничества. Актуальность исследования обусловлена тем, что в условиях активного развития цифрового кредитного процесса острым остается вопрос создания и внедрения предиктивных моделей по выявлению недобросовестных заемщиков банков на этапе принятия решения о выдаче кредита, а также в процессе мониторинга их деятельности. Одним из решений вышеуказанных проблем является реализация антифрод-модели с использованием методов машинного обучения. Объектом исследования выступают отношения банка с корпоративными клиентами, являющимися потенциальными или действующими заемщиками. Предметом исследования являются эмпирические данные о выявленных злоупотреблениях и опыт принятия предупредительных мер в сфере кредитовании корпоративных клиентов банков. Цель данной работы заключается в исследовании современных подходов по выявлению сомнительных компаний в сфере кредитования с использованием методов машинного обучения. Задачи магистерской диссертации: • исследование теоретических аспектов проблем, связанных с задачами выявления сомнительных компаний в сфере кредитования; • анализ видов нарушений и их характеристик, допускаемых в сфере кредитования корпоративных клиентов; • выявление и классификация признаков, определяющих принадлежность корпоративных клиентов к сомнительным компаниям на основе разбора кейсов из практики работы банковских учреждений; • анализ методов машинного обучения, используемых для построения модели выявления сомнительных компаний в сфере кредитования корпоративных клиентов; • рассмотрение прикладных аспектов реализации предиктивной антифрод-модели по идентификации сомнительных компаний. Методологическую основу исследования составляют следующие методы: переход от абстрактного к конкретному, анализ и оценка эмпирических данных (кейс-метод), сравнение, классификация, моделирование, относящиеся к общенаучным, а также ряд частнонаучных методов, включая метод OSINT и метод статистической обработки информации, используемый при анализе уровня потерь от мошеннических действий в банковском секторе России. В первой главе работы рассмотрены теоретические аспекты проблем, связанных с задачами выявления сомнительных компаний в сфере кредитования, приведены понятия и операциональные определения. Во второй главе проведен анализ видов нарушений и их характеристик, допускаемых в сфере кредитования корпоративных клиентов, а также рассмотрены особенности реализации цифрового кредитного процесса в банковских учреждениях. В основной части работы при помощи кейс-метода разобраны примеры из практической деятельности преподавательского состава Института проблем безопасности НИУ ВШЭ, и на их основе выделены признаки, позволяющие отнести компании к категории сомнительных. Также рассмотрены прикладные аспекты реализации предиктивной антифрод-модели по выявлению сомнительных компаний с использованием методов машинного обучения. Прикладная значимость результатов исследования заключена в возможностях их использования на практике при реализации цифрового кредитного процесса в коммерческих банках. Работа содержит введение, три главы, заключение, список используемой литературы, включающий 34 источника. Объем работы составляет всего 74 страницы машинописного текста (56 стр. основного текста), в том числе 15 рисунков, 7 таблиц и 3 приложения.