Olga G. Arkadeva

в статье исследуется задача прогнозирования банковского клиентского оттока с привлечением методов машинного обучения. Эмпирическую основу составили несколько банковских датасетов, предоставленных автором; при этом в качестве центрального массива для построения модели выбран churn.csv, включающий 10 000 наблюдений и 14 признаков. В работе проведены структурный анализ данных, сопоставление вспомогательных массивов, разведочное изучение факторов, связанных с уходом клиентов, а также сравнительное тестирование моделей Logistic Regression, Random Forest и Gradient Boosting. Показано, что на вероятн...

в статье обоснована необходимость осуществления государством оценки финансовых рисков и приведена классификация рисков, учитывающая дифференциацию подходов к их оценке. Методы оценки сгруппированы по способу доказательства гипотез и обоснования выводов; существенные характеристики риска изучены для оценки государством финансовых рисков с позиции ограничений, определяющих выбор метода оценки отдельных разновидностей финансовых рисков.