Робота присвячена підготовці та розвідувальному аналізу даних для подальшого використання в інформаційно-аналітичній системі оцінювання кредитоспроможності позичальників і мінімізації фінансових ризиків комерційного банку методами машинного навчання. Проведено комплексний аналіз структури фінансового датасету та його ознак, а також досліджено просторово-часові залежності між ризиком дефолту, встановленим кредитним лімітом, віковими характеристиками та платіжною дисципліною клієнтів.

EXPLORATORY DATA ANALYSIS FOR PREDICTING BORROWERS' CREDITWORTHINESS USING MACHINE LEARNING METHODS

Abstract: The paper is devoted to the preparation and exploratory data analysis for further use in the information technology of assessing borrowers' creditworthiness and minimizing financial risks of a commercial bank using machine learning methods. A comprehensive analysis of the structure of the financial dataset and its features was conducted, and the spatio-temporal dependencies between default risk, the established credit limit, age characteristics, and the payment discipline of clients were investigated..