Высокая кредитная нагрузка населения опасна для финансовой устойчивости государства. Банк международных расчетов утверждает, что общий объем задолженности китайских граждан приблизился к 10,75 триллиона долларов — это 61,9% от уровня национального ВВП. В настоящее время кредитная нагрузка населения выше только в США (74,4% от ВВП) и Японии (68,2%).
Российские и китайские исследователи разработали поисковую модель, которая может определить местонахождение кредитных заемщиков, уклоняющихся от финансовых обязательств.
Программа способна обрабатывать большие объемы данных на нескольких информационных площадках одновременно и пока рассчитана только на китайских граждан. В ее основу положена технология машинного обучения.
Планируется, что это поможет повысить эффективность работы финансовых учреждений, позволяя им быстрее реагировать на изменения кредитоспособности клиентов и оперативно принимать меры по снижению рисков.
По словам научного сотрудника школы экономики и менеджмента, доцента кафедры экономики Уральского федерального университета Ибрагима Алнафра, программа имеет ряд преимуществ по сравнению с другими.
Она базируется на машинном обучении с использованием кросс-платформенного поиска информации, что позволяет мониторить множество интернет-ресурсов одновременно. Кроме того, способна анализировать различные типы данных, включая аудио-, видео- и текстовые файлы.
Такое ПО может быть полезно для финансовых учреждений, кредитных компаний и страховых организаций, которые стремятся снизить риски и улучшить процесс выдачи кредитов.
Почему аналогичные разработки хуже? Потому что они опираются лишь на один источник информации, например, на данные об использовании мобильной связи.
На практике же информация о недобросовестных заемщиках разбросана на нескольких информационных платформах, и для получения более точных результатов необходимо обрабатывать большие объемы данных.
— Ключевая особенность нашей программы заключается в использовании многоагентного подхода. Каждая группа агентов отвечает за свою сферу поиска. Например, агенты кооперативного управления определяют цель поиска, агенты сбора данных находят информацию о заемщиках на разных платформах, а агенты анализа данных обрабатывают полученную информацию.
Такая структура позволяет эффективно работать с большими объемами данных на разных информационных платформах, — рассказал Ибрагим Алнафра.
Для поиска информации о заемщике пользователю необходимо ввести ряд данных: имя, место рождения, возраст, номер мобильного телефона, время последнего контакта и адресные данные.
Затем на основе этой информации программа проводит анализ, в том числе социальные сети (например, WeChat, Weibo, QQ и TikTok), платформы электронной коммерции (например, данные об интернет-покупках или аренде автомобиля), банковские приложения, правительственные приложения, а также платформы однорангового кредитования (вид кредитования, когда сделка происходит между физическими лицами).
После получения информации о предполагаемом местоположении заемщика данные о нем будут сохранены для дальнейшего использования.
В исследовании приняли участие специалисты из Уральского федерального университета, Института Наньфан Гуанчжоу, Уханьского текстильного университета, а также Центрального Южного университета. Результаты исследования и данные о методах работы ученые опубликовали в Axioms.
Анна МАРИНОВИЧ
Нет комментариев