Banki ügyfelek minősítése, banki termékek használata alapján SAS eszközökkel

OData támogatás
Konzulens:
Györfi László Dr.
Számítástudományi és Információelméleti Tanszék

KIVONAT

A pénzintézetek mind magánszemélyeknek, mint a gazdasági szféra tagjainak hitelek tág körét

kínálják. Az ügyfél bevizsgáláshoz, a fizetőképességének és megbízhatóságának megállapításához egy

jól átgondolt, pontosan működő ügyfélminősítő rendszerre van szükség. Magyarországon 2003 óta

alakul a lakossági hitelezés a nyugatiakhoz hasonlóan, azóta használunk korszerű ügyfélminősítő

rendszereket, de hazánkban ezen alkalmazások nem mindig adnak kielégítő eredményeket.

Egy magyarországi középbankban végzett munkám során megismertem egy alkalmazott

minősítési rendszert, mely nem minden esetben sorolta be jól az ügyfeleket. Ennek a problémának a

megoldására választottam szakdolgozatom témájául a banki ügyfelek minősítését. Megpróbáltam

egy pontosabb módszert kidolgozni annak érdekében, hogy jobban osztályozhassuk a banki

ügyfeleket. Az informatikai feladatok megoldásához a SAS szoftvereit használtam.

A dolgozatomban egy bank ügyfélminősítő rendszerét fejlesztettem tovább, hogy hatékonyabban

tudjuk megjósolni az ügyfeleket fizetési hajlandóságuk szempontjából, és az esetleges rossz

ügyfeleket kiszűrni a hitelfolyósítás előtt. A rendszerben az ügyfelekhez a bank szempontjából történt

eseményeik alapján pontszámokat rendelek.

Első lépésként ismertetem a bankban használt rendszert, majd bemutatom az általam javasolt

módszertant. Egy konkrét példán keresztül alkalmazom a bankban használt és a javított algoritmust,

amely hatékonyabban minősíti az ügyfeleket. Mivel nem használhattam éles banki adatokat az

algoritmusok összehasonlításához, mintaadatokat generáltam.

A javasolt rendszer megvalósításakor az volt a fő szempont, hogy az egyes eseményeket nem

önmagukba pontozom, hanem azok között összefüggést keresve osztom ki a megfelelő pontszámot.

Az algoritmus kialakítása után mindkét változatra kiszámítottam a pontszámokat. Ezután értékeltem

az eredményeket elemi statisztikákkal, majd Credit Scoring modell segítségével. Az elemzések

végeredményei azt mutatták, hogy az új eljárás hatékonyabb a bank jelenleg használt módszerénél.

Úgy gondolom, hogy sikerült egy jobban alkalmazható algoritmust készítenem, melyet a scoring

elemzéssel teszteltem. Az általam megalkotott módszert javasolnám bankok számára, mert

kimutatható, hogy jobb ügyfélminősítő algoritmust dolgoztam ki, melynek során jobban ki tudják

szűrni a nem fizetőképes ügyfeleket.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.