👩🏿‍🏫 👩🏾‍🎓 👨🏼‍🚀 माइक्रोफाइनेंस में सीखने की मशीन: खाली क्रेडिट इतिहास वाले ग्राहकों के लिए स्कोरिंग मॉडल बनाना ⚒️ 🚻 💍

कोई क्रेडिट इतिहास नहीं - ऋण न दें, ऋण न दें - कोई ऋण इतिहास नहीं। किसी प्रकार का एक दुष्चक्र। क्या करें? चलो ठीक है।

नमस्ते! मेरा नाम मार्क है, मैं डेविम में एक डेटा वैज्ञानिक हूं। हाल ही में, हमने IFC के उधारकर्ताओं को "वेतन वेतन" देने के लिए एक मॉडल लॉन्च किया, जिनका कोई क्रेडिट इतिहास नहीं है। मैं डेटा पुनर्प्राप्ति, डिजाइन सुविधाओं और सुविधाओं की व्याख्या के अनुभव को साझा करना चाहता हूं।

यह विषय दो प्रकाशनों में विभाजित है, पहले मैं संकेतों की खोज और निर्माण की प्रक्रिया के बारे में बात करूंगा। दूसरा भाग मॉडल आर्किटेक्चर की तुलना करने, परिणामों का विश्लेषण करने और स्कोरिंग निर्णयों की व्याख्या करने के बारे में है।

भाग एक फ़ीचर डिज़ाइन

मशीन लर्निंग मॉडल डेटा पर आधारित होते हैं जिनकी गुणवत्ता और पूर्णता किसी मॉडल की सफलता या विफलता का एक निर्धारित कारक होती है। लेकिन क्या होगा अगर थोड़ा डेटा है? या यदि डेटा पर्याप्त रूप से जानकारीपूर्ण नहीं है या सटीक नहीं है? मॉडल बनाते समय अतिरिक्त जानकारी कहाँ से प्राप्त करें और इसका उपयोग कैसे करें? मैं आपको बताता हूं कि मैंने इस समस्या को कैसे हल किया।

क्रेडिट जोखिम मूल्यांकन कारक

ऋण स्कोरिंग ऋण चूक के जोखिम से जुड़े उधारकर्ता की विशेषताओं के विश्लेषण पर आधारित है। उन्हें सामान्य आर्थिक और व्यक्तिगत में विभाजित किया जा सकता है।

सामान्य आर्थिक कारक

उधारकर्ता की वित्तीय और मनोवैज्ञानिक स्थिति पर आर्थिक वातावरण का बड़ा प्रभाव पड़ता है। उधारकर्ता से संबंधित कारकों को उजागर करके प्रभाव की डिग्री का अधिक सटीक आकलन करना संभव है। वे सशर्त रूप से दो स्तरों में विभाजित हैं:

मैक्रो-स्तरीय कारक ऐसे कारक हैं जो उधारकर्ता के लिए बाहरी हैं। वे आम तौर पर जीडीपी, मुद्रास्फीति, विनिमय दरों आदि को शामिल करते हैं।
सूक्ष्म स्तर के कारक वे हैं जो किसी विशेष उधारकर्ता की विशेषता रखते हैं, उदाहरण के लिए, पेशे, उद्योग, औसत वेतन, आदि।
यह तुरंत ध्यान देने योग्य है कि सामान्य आर्थिक कारक अतिरिक्त के रूप में काम करते हैं। कई शोधकर्ताओं के अनुसार, उनके पास मौजूद जानकारी सामान्य है और कमजोर रूप से एक विशिष्ट उधारकर्ता की विशेषता है।

व्यक्तिगत कारक

व्यक्तिगत कारकों में स्कोरिंग मॉडल के लिए सबसे मूल्यवान जानकारी होती है। उन्हें भी श्रेणियों में विभाजित किया जा सकता है:

जनसांख्यिकी - आयु, लिंग, वैवाहिक स्थिति, आदि।
वित्तीय - आय और व्यय, वित्तीय संसाधनों तक पहुंच, वित्तीय भंडार की उपलब्धता।
मनोवैज्ञानिक - सबसे अधिक जानकारीपूर्ण में से एक। इस तरह के डेटा का सबसे अच्छा स्रोत क्रेडिट इतिहास है। क्रेडिट इतिहास ग्राहक के वित्तीय अनुशासन की विशेषता है, इसमें विशिष्ट मात्रा को चुकाने की क्षमता के बारे में जानकारी शामिल है, ऋण में वर्तमान ब्याज को दर्शाता है। यदि क्रेडिट इतिहास नहीं बनता है, तो आपको जानकारी के अन्य स्रोतों की तलाश करनी होगी: सामाजिक नेटवर्क, एक आवेदन पत्र भरते समय व्यवहार आदि।
संपर्क जानकारी - इसकी मात्रा और संरचना ऋण डिफ़ॉल्ट के जोखिम को प्रभावित करती है।

डेटासैट विवरण

मॉडल के प्रशिक्षण के लिए सेट 9,500 उधारकर्ता हैं जिन्होंने पहली बार मई से दिसंबर 2018 तक ऋण प्राप्त किया था। परीक्षण डेटा - जनवरी से मार्च 2019 की अवधि के लिए 1,500 उधारकर्ता।

उधारकर्ताओं के अस्थायी पृथक्करण का उपयोग कई कारणों से किया जाता है। सबसे पहले, इस तरह की जुदाई भविष्य से जानकारी के रिसाव को संभव नहीं बनाती है। दूसरे, यह हमें समय के साथ मॉडल की स्थिरता का मूल्यांकन करने की अनुमति देता है। PDL ( Payday लोन ) माइक्रोलोन्स में, अन्य प्रकार के ऋणों की तुलना में मात्रा और शर्तें छोटी हैं, इसलिए, निम्नलिखित को लक्ष्य विशेषता के रूप में चुना गया था: 15 दिनों से अधिक के भुगतान में देरी।

फ़ीचर डिज़ाइन

हम अधिक सामान्य लोगों के साथ संकेतों का निर्माण शुरू करते हैं - आर्थिक, फिर हम व्यक्तिगत लोगों पर आगे बढ़ेंगे।

सामान्य आर्थिक मैक्रो-कारकों में से केवल एक स्थिर, सुलभ और नियमित रूप से अपडेट किया गया कारक था - रूबल विनिमय दर। यह सेंट्रल बैंक की वेबसाइट पर लंबे समय तक (सुविधाजनक प्रारूप में डेटा अपलोड करना संभव है) उपलब्ध है, और सबसे महत्वपूर्ण बात यह है कि यह दैनिक रूप से अपडेट किया जाता है। रूबल में एक स्थिर डाउनट्रेंड है। अपने कच्चे रूप में, इस तरह के एक कारक का उपयोग नहीं करना बेहतर है। एक निश्चित अवधि के बाद, विशेषता मान उस डेटा से परे चला जाएगा जो प्रशिक्षण सेट में गिर गया था और मॉडल द्वारा गलत तरीके से व्याख्या की जाएगी।

नकारात्मक परिणामों से बचने के लिए, हम पिछले 35 दिनों के लिए वर्तमान दर (आवेदन के विचार के समय) के संबंध में रूबल विनिमय दर को औसत मूल्य में बदल देंगे। अब संकेत रूबल विनिमय दर के पूर्ण मूल्य की नहीं बल्कि विचार की अवधि में प्रवृत्ति (वृद्धि, गिरावट, स्थिर स्थिति) की विशेषता है। ग्राफ 1 में, प्राप्त डेटा। चार्ट 2 श्रेणी (ड्रॉप, स्थिरता, वृद्धि) द्वारा डिफ़ॉल्ट ग्राहकों का प्रतिशत दर्शाता है।

चार्ट 1. पिछले 35 दिनों में औसत मूल्य के संबंध में रूबल विनिमय दर में परिवर्तन।

चार्ट 2. दर में परिवर्तन के आधार पर डिफ़ॉल्ट ग्राहकों की संख्या।

उपलब्ध आर्थिक सूक्ष्म कारकों में से: वह क्षेत्र जिसमें उधारकर्ता काम करता है, संगठन का प्रकार, पेशा।

पहली नज़र में, कार्य क्षेत्र सामान्य आर्थिक लोगों की तुलना में व्यक्तिगत कारकों से अधिक संबंधित है। हालांकि, क्षेत्रों के समूह के माध्यम से डेटा में सामान्य आर्थिक जानकारी जोड़ना संभव है। रोसस्टेट की वेबसाइट एक विशेष क्षेत्र के विभिन्न आर्थिक संकेतकों के बारे में जानकारी प्रदान करती है। डिफ़ॉल्ट की संभावना क्षेत्र में मजदूरी के औसत स्तर, उत्पादों के एक निश्चित सेट की लागत और प्रति व्यक्ति ऋण पर अतिदेय भुगतान की राशि के आंकड़ों पर निर्भर करती है। क्षेत्रों को समूहित करने के लिए, एक एग्लोमेरेटिव क्लस्टरिंग एल्गोरिदम चुना गया था। वार्ड विधि, जो समूहों को जोड़ती है ताकि फैलाव कम से कम हो, कनेक्शन मानदंड के रूप में उपयोग किया जाता था। परिणामी डेटा क्लस्टर एक त्रि-आयामी ग्राफ में हैं।

समूहित क्षेत्र तालिका

1	2	3	4	5	6
बेल्गोरोड क्षेत्र	मास्को क्षेत्र	कलुगा क्षेत्र	रियाज़ान क्षेत्र	टयूमेन क्षेत्र	क्रीमिया गणराज्य
ब्रांस्क क्षेत्र	मास्को	करेलिया गणराज्य	स्मोलेंस्क क्षेत्र	सखा गणराज्य (याकूतिया)	सेवस्तोपोल
व्लादिमीर क्षेत्र	कोमी गणराज्य	अर्खंगेल्स्क क्षेत्र	टवर क्षेत्र	मगदं क्षेत्र	दगिस्तान का गणराज्य
वोरोनिश क्षेत्र	मुरमान्स्क क्षेत्र	लेनिनग्राद क्षेत्र	तुला क्षेत्र		इंगुशेतिया गणराज्य
इवानोव क्षेत्र	सेंट पीटर्सबर्ग	पर्म क्षेत्र	वोलोग्दा क्षेत्र		चेचन रिपब्लिक
कोस्त्रोमा क्षेत्र	कामचटका क्षेत्र	Sverdlovsk क्षेत्र	कलिनिनग्राद क्षेत्र
कुर्स्क क्षेत्र	सखालिन ओब्लास्ट	क्रास्नोयार्स्क क्षेत्र	नोवगोरोड क्षेत्र
लिपेत्स्क क्षेत्र		इरकुत्स्क क्षेत्र	कल्मकिया गणराज्य
ओरोल क्षेत्र		नोवोसिबिर्स्क क्षेत्र	क्रास्नोडार क्षेत्र
तम्बोव क्षेत्र		खाबरोवस्क क्षेत्र	अस्त्रखान क्षेत्र
यारोस्लाव क्षेत्र		अमूर क्षेत्र	रोस्तोव क्षेत्र
Pskov क्षेत्र			बश्कोरतोस्तान गणराज्य
आदिगया गणराज्य			तातारस्तान गणराज्य
वोल्गोग्राड क्षेत्र			उम्मेदर्ट रिपब्लिक
काबर्डिनो-बाल्करियन आर।			चुवाश रिपब्लिक
करचाय-चर्केस आर।			किरोव क्षेत्र
उत्तर ओसेशिया गणराज्य - अलानिया			निज़नी नोवगोरोड क्षेत्र
स्टावरोपोल क्षेत्र			ऑरेनबर्ग क्षेत्र
मैरी एल गणतंत्र			समारा क्षेत्र
मोर्दोविया का गणराज्य			उल्यानोव्स्क क्षेत्र
पेन्ज़ा क्षेत्र			कुरगन क्षेत्र
सरतोव प्रदेश			चेल्याबिंस्क क्षेत्र
अल्ताई गणराज्य			Buryatia गणराज्य
अल्ताई क्षेत्र			तुवा गणराज्य
			खकासिया गणराज्य
			ट्रांसबाइकल क्षेत्र
			केमेरोवो क्षेत्र
			ओम्स्क क्षेत्र
			टॉम्स्क क्षेत्र
			प्रिमोर्स्की क्षेत्र

एक अन्य महत्वपूर्ण सूक्ष्म आर्थिक कारक पेशा है। नीचे दिया गया आंकड़ा प्रशिक्षण डेटा सेट से पेशे से डिफ़ॉल्ट ग्राहकों की हिस्सेदारी पर डेटा दिखाता है।

ग्राफ स्पष्ट रूप से पेशे पर डिफ़ॉल्ट की संभावना की निर्भरता को दर्शाता है। समूह के उधारकर्ताओं के लिए, आर्थिक समुदाय में आम तौर पर स्वीकार किए गए सिद्धांतों में से एक को लागू करना उचित है। Rosstat वेबसाइट से श्रेणियों में टूटना ग्राफ पर प्रस्तुत आंकड़ों के साथ अच्छी तरह से संबंधित है।

कर्मियों की श्रेणी में कर्मचारियों का विभाजन

कर्मियों की श्रेणियों के द्वारा, श्रमिकों को प्रबंधकों, विशेषज्ञों, अन्य कर्मचारियों और श्रमिकों में विभाजित किया जाता है।
प्रबंधकों में संगठनों के प्रमुखों, संरचनात्मक डिवीजनों और उनके deputies (निदेशक, प्रमुखों: विभागों, डिवीजनों, पारियों, आदि) के प्रबंधकों को शामिल किया गया है: प्रबंधक: उत्पादन, कैंटीन, अनुभाग, गोदाम, कपड़े धोने का स्थान, क्लब, छात्रावास, सामान कक्ष और आदि, प्रबंधक, अध्यक्ष, कप्तान, मुख्य लेखाकार और इंजीनियर, शिल्पकार, आदि)।
विशेषज्ञ नौकरियों में नियोजित श्रमिकों को शामिल करते हैं, जिन्हें आमतौर पर उच्च या माध्यमिक व्यावसायिक शिक्षा की आवश्यकता होती है: इंजीनियर, डॉक्टर, शिक्षक, अर्थशास्त्री, लेखाकार, भूवैज्ञानिक, डिस्पैचर, निरीक्षक, प्रूफरीडर, गणितज्ञ, नर्स, यांत्रिकी, सामान्य चिकित्सक, प्रोग्रामर, मनोवैज्ञानिक, संपादक, लेखा परीक्षक आदि। विशेषज्ञों में नामित विशेषज्ञों के सहायक और सहायक भी शामिल हैं।
अन्य कर्मचारी ऐसे कर्मचारी होते हैं जो दस्तावेज़ीकरण, लेखा और नियंत्रण, हाउसकीपिंग, विशेष रूप से, एजेंट, अभिलेखागार, परिचारक, क्लर्क, कैशियर और नियंत्रक (श्रमिकों को छोड़कर), कमांडेंट, तकनीकी दस्तावेज़ीकरण, टाइपराइटर, पर्यवेक्षक, के कर्मचारियों को तैयार और निष्पादित करते हैं। सांख्यिकी, आशुलिपिक, समयपाल, लेखाकार, ड्राफ्ट्समैन।
श्रमिकों में धन पैदा करने की प्रक्रिया में सीधे तौर पर शामिल लोग, साथ ही वे मरम्मत, माल की आवाजाही, यात्रियों के परिवहन, सामग्री सेवाओं के प्रावधान आदि शामिल हैं।

एक चालक, प्रबंधक, लेखाकार, आदि के रूप में अक्सर सामना किए गए व्यवसायों, एक विशिष्ट क्षेत्र या संगठन के प्रकार के आधार पर, विभिन्न तरीकों से एक उधारकर्ता की विशेषता कर सकते हैं। उदाहरण के लिए, टैक्सी में काम करने वाला ड्राइवर और शहर प्रशासन में काम करने वाला ड्राइवर पूरी तरह से अलग-अलग कर्जदार होते हैं।

इस जानकारी को मॉडल में जोड़ने के लिए, हम उधारकर्ताओं को उन संगठनों के प्रकार से विभाजित करेंगे जिनमें वे काम करते हैं:

वाणिज्यिक संगठन
सरकारी संगठन
व्यक्तिगत उद्यमी और स्वरोजगार
टूट
संगठन प्रकार निर्दिष्ट नहीं है

यह जाँचने के लिए कि क्या सूचना का पृथक्करण जोड़ता है, आइए चार्ट को देखते हैं "पेशे और संगठन के प्रकार द्वारा तय किए गए डिफ़ॉल्ट उधारकर्ताओं का हिस्सा"।

व्यवसायों के प्रकार और संगठनों का पदनाम

	व्यवसाय		काम का प्रकार
0	निर्दिष्ट नहीं है	0	निर्दिष्ट नहीं है
1	नेताओं	1	व्यावसायिक
2	विशेषज्ञों	2	सार्वजनिक
3	अन्य कर्मचारी	3	बिना स्वरोजगार वाला
4	काम कर रहे	4	काम नहीं कर रहा है
5	अन्य

ग्राफ से पता चलता है कि कुछ व्यवसायों के लिए उधारकर्ता के किस प्रकार के संगठन में महत्वपूर्ण अंतर है। अप्रत्याशित परिणाम प्राप्त होते हैं जब उधारकर्ता इंगित करता है कि वह काम नहीं कर रहा है, लेकिन एक ही समय में पेशे को इंगित करता है। डेटा के एक अतिरिक्त विश्लेषण से पता चला कि ऐसा व्यवहार वरिष्ठ नागरिकों की विशेषता है।

और मॉडल में उपयोग किया जाने वाला अंतिम सामान्य आर्थिक कारक उस महीने का दिन है जिस दिन ऋण आवेदन प्रस्तुत किया जाता है। यह संभवतः रूस में मजदूरी के भुगतान के लिए आम तौर पर स्वीकृत नियमों के कारण है (उदाहरण के लिए, 10 और 25)। महीने के दिनों को 9 वें से 21 वें दिन तक समावेशी और महीने के शेष दिनों में दो अवधियों में विभाजित किया जाता है।

व्यक्तिगत कारक

जनसांख्यिकी

मेरे डेटा में, केवल चार जनसांख्यिकीय विशेषताएं हैं:

उधारकर्ता की आयु (कुल वर्ष)
कार्य के अंतिम स्थान पर वरिष्ठता (महीनों में)
वैवाहिक स्थिति (एकल, विवाहित, नागरिक विवाह, तलाकशुदा, एकल, विधुर / विधवा, पूर्ण नहीं)
परिवार के सदस्यों की संख्या (उधारकर्ता के साथ मिलकर रहना)

वित्तीय

उधारकर्ताओं के डेटा में मजदूरी और अतिरिक्त आय की जानकारी होती है। इन कारकों का महत्व अक्सर ग्राहकों द्वारा कम करके आंका जाता है, इसलिए वे उधारकर्ता की वित्तीय स्थिति के बारे में सटीक जानकारी नहीं रखते हैं, लेकिन आपको मोटे तौर पर इसका मूल्यांकन करने की अनुमति देते हैं।

मनोवैज्ञानिक

उधारकर्ताओं की चयनित आबादी के पास कोई ऋण नहीं है, इसलिए, हमारे पास बुनियादी मनोवैज्ञानिक (व्यवहार) जानकारी नहीं है। लेकिन 90% ग्राहकों को एक वर्ष, तिमाही, महीने, सप्ताह, दिन, घंटे के लिए क्रेडिट इतिहास अनुरोधों की संख्या के बारे में जानकारी है। इस प्रकार, वर्तमान समय में ऋण की आवश्यकता और ऐतिहासिक परिप्रेक्ष्य में ऋण की आवश्यकता का आकलन करना संभव है। कम अवधि में दायर ऋण आवेदनों की संख्या उधारकर्ता के मनोविज्ञान के बारे में जानकारी को जोड़ती है। (क्या उसने एक आवेदन जमा किया था और एक निर्णय की प्रतीक्षा कर रहा था, और फिर इनकार करने के मामले में दूसरे को प्रस्तुत करता है। इस मामले में अंतिम घंटे में कुछ ऋण होंगे, लेकिन अंतिम दिन में कई। या उधारकर्ता विभिन्न संगठनों को आवेदन प्रस्तुत करता है और एक बार में सभी के निर्णय की प्रतीक्षा करता है।)

संपर्क जानकारी

आवेदन करते समय, अपनी स्वयं की संपर्क जानकारी भरना आवश्यक है। दो करीबी दोस्तों के संपर्क विवरण प्रदान करना भी वांछनीय है। यह आपको दो अतिरिक्त बाइनरी संकेत बनाने की अनुमति देता है:

भरा या नहीं संपर्क २
भरा या नहीं संपर्क ३

परिणामस्वरूप, हमें निम्नलिखित संकेत मिलते हैं:

रूबल विनिमय दर में परिवर्तन, संख्यात्मक संकेत
कार्य क्षेत्र, श्रेणीबद्ध संकेत (6 श्रेणियां)
पेशे, श्रेणीबद्ध संकेत (5 श्रेणियां)
संगठन का प्रकार जिसमें उधारकर्ता काम करता है, श्रेणीगत विशेषता (5 श्रेणियां)
महीने का वह दिन जिस पर आवेदन प्रस्तुत किया जाता है, बाइनरी साइन - 9 वें से 21 वें दिन तक अंतराल में आता है या नहीं
इसके लिए क्रेडिट इतिहास अनुरोधों की संख्या:
- घंटा
- दिन
- एक सप्ताह
- माह
- तिमाही
- साल
पारिवारिक स्थिति, श्रेणीबद्ध संकेत (8 श्रेणियां)
परिवार के सदस्यों की संख्या, संख्यात्मक विशेषता
कार्य के अंतिम स्थान पर अनुभव, संख्यात्मक संकेत
उधारकर्ता की उम्र, संख्यात्मक विशेषता
मासिक आय, संख्यात्मक विशेषता
अतिरिक्त आय, संख्यात्मक विशेषता
भरा या नहीं संपर्क 2, बाइनरी साइन
भरा या नहीं संपर्क 3, बाइनरी साइन

उपरोक्त सभी आंकड़े आर्थिक रूप से व्यवहार्य हैं और एकत्र करना आसान है। इस तथ्य के बावजूद कि उनके पास उधारकर्ता के बारे में पूरी जानकारी नहीं है, उनके आधार पर लागत प्रभावी और कामकाजी मॉडल बनाना संभव है।

मैं एक वास्तुकला चुनने की प्रक्रिया और अगले लेख में प्राप्त परिणामों के बारे में बात करूंगा।
आशा है कि यह दिलचस्प और उपयोगी था।

पैनेंको मार्क, डेविम

माइक्रोफाइनेंस में सीखने की मशीन: खाली क्रेडिट इतिहास वाले ग्राहकों के लिए स्कोरिंग मॉडल बनाना

भाग एक फ़ीचर डिज़ाइन

क्रेडिट जोखिम मूल्यांकन कारक

सामान्य आर्थिक कारक

व्यक्तिगत कारक

डेटासैट विवरण

फ़ीचर डिज़ाइन

व्यक्तिगत कारक

जनसांख्यिकी

वित्तीय

मनोवैज्ञानिक

संपर्क जानकारी

More articles: