STROJNO UČENJE

Domaći softver može predvidjeti kad nećete moći vratiti kredit do kraja

  • Autor: Miroslav Wranka
  • Zadnja izmjena 04.04.2019 18:48
  • Objavljeno 04.04.2019 u 18:48
Tomislav Križan (Atomic Intelligence)

Tomislav Križan (Atomic Intelligence)

Izvor: tportal.hr / Autor: Miroslav Wranka

U tvrtci Atomic Intelligence osmislili su i razvili računalne modele koji s visokom razinom preciznosti mogu predvidjeti osobni stečaj korisnika kredita, koristeći pritom algoritme koji postaju sve bolji što ih se više koristi

Ako barem površno pratite razvoj strojnog učenja i umjetne inteligencije znate kako tehnologije koje počivaju na njima ubrzano nalaze primjene u raznim aspektima svakodnevice. No, uvijek se pomalo iznenadimo koliko daleko to sve skupa ide.

Tako nam je, recimo, Tomislav Križan iz tvrtke Atomic Intelligence u predavanju održanom u sklopu konferencije Windays19 pokazao koliko daleko može ići primjena umjetne inteligencije u financijskoj industriji. U ovom konkretnom slučaju - bankarskoj.

  • +5
  • +2

Atmosfera na konferenciji WinDays19 - prvi dan

Izvor: Microsoft Hrvatska / Autor: Microsoft Hrvatska

Naime, u toj su tvrtci osmislili i razvili računalne modele koji s visokom razinom preciznosti mogu predvidjeti osobni stečaj korisnika kredita, koristeći pritom algoritme koji u svakom novom izdanju postaju sve precizniji jer uče na pogreškama prethodnih izdanja. Drugim riječima, što ih više koristite to oni postaju bolji.

Algoritmi Gradient Boosting Machines (GBM) i Random Forest pritom koriste podatke o prošlim i aktualnim kreditnim plasmanima korisnika, koliko je u minusu po bankovnim i kreditnim karticama, koliko kasni s plaćanjem i tome slično. Praćeni su bili kratkoročni krediti (do 60 mjeseci), odobreni na području Sjedinjenih Država.

Križan je istaknuo kako su takve rezultate postigli na američkom tržištu, gdje su podaci o korisničkim plasmanima i razini zaduženosti lakše dostupniji nego u Europi, zbog čega su rezultati na Starom kontinentu bili nešto slabiji, ali ipak još uvijek visoke preciznosti.

Njihovi američki klijenti koristili su spomenute modele za optimizaciju poslovanja, poboljšanja novčanih tokova i smanjenje rizika, ali i kako bi ustanovili što točno muči korisnika koji ne može otplatiti kredit te ponudili načine kako mu pomoći u otplati (i tako smanjili vlastiti gubitak).

Modeliranje i predviđanje prihoda te stope rezervi radi izloženosti kredita financijskim je institucijama iznimno važno kako bi u što većoj mjeri optimizirale poslovanje. Predviđanje stečaja, delikventnog ponašanja i razine otpisa potraživanja koje nije moguće naplatiti također je važno pri procjeni izloženosti rizika.

Konferencija WinDays19 završava u petak, 5. travnja.

Pregled tjedna bez spama i reklama

Prijavi se na naš newsletter i u svoj inbox primaj tjedni pregled najvažnijih vijesti!