Горелик А.В. 1, Григорьев А.П. 2
1 ФГАОУ ВО «Российский университет транспорта»
2 Государственная корпорация "Агентство по страхованию вкладов"
Центральный банк Российской Федерации ежегодно отзывает лицензию у десятков банков, в каждом из которых находятся тысячи, а иногда и десятки тысяч вкладчиков. В соответствии с Федеральным законом от 23.12.2003 № 177-ФЗ «О страховании вкладов в банках Российской Федерации» вкладчики российских банков имеют право на получение страхового возмещения по своим вкладам (до 1,4 млн рублей на одного вкладчика в одном банке) в случае отзыва у банка лицензии. Для этого они, как правило, обращаются в ближайший офис банка-агента, принимающего заявления на выплату от имени Агентства по страхованию вкладов. Однако не все вкладчики пользуются данным правом, в результате чего определенные суммы страхового возмещения остаются невостребованными. В данной статье рассматриваются модели машинного обучения, позволяющие статистически прогнозировать факты обращения вкладчиков за страховым возмещением. Для каждой модели описываются варьируемые параметры, для которых приводятся оптимальные в рамках рассматриваемой задачи значения, а также результаты её работы, представленные в нескольких метриках. Выявляется степень обусловленности фактов обращения вкладчиков за страховым возмещением различными демографическими и материальными факторами.
0 KB
ансамблевые методы
банки
вкладчики
деревья решений
машинное обучение
метод ближайших соседей
страховое возмещение
1. Домингос П. Верховный алгоритм: как машинное обучение изменит наш мир. М.: Манн, Иванов и Фербер, 2016. 384 с.
2. Рашка С. Python и машинное обучение. М.: ДМК Пресс, 2017. 418 с.
3. Шарден Б., Массарон Л.., Боскетти А. Крупномасштабное машинное обучение вместе с Python. М.: ДМК Пресс, 2017. 358 с.
4. Флах П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных. М.: ДМК Пресс, 2015. 400 с.
5. Вьюгин В.В. Математические основы машинного обучения и прогнозирования. М.: МЦНМО, 2014. 304 с.
Библиографическая ссылка
Горелик А.В., Григорьев А.П. ПРОГНОЗИРОВАНИЕ ОБРАЩЕНИЙ ВКЛАДЧИКОВ БАНКА ЗА СТРАХОВЫМ ВОЗМЕЩЕНИЕМ С ПОМОЩЬЮ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ // Современные наукоемкие технологии. 2020. № 11-1. С. 21-24;URL: https://top-technologies.ru/ru/article/view?id=38292 (дата обращения: 01.07.2026).