Геоплатформа в банке: от ипотеки до инвестиционных проектов

Коновалихин Максим Юрьевич; Кулик Вадим Валерьевич; Суржко Денис Андреевич; Забалуев Руслан Николаевич


	2		Введение
	3		Основные сценарии применения геоплатформы Анализ геоточек
	4		Архитектура геоплатформы Прогнозирование свойств геополигонов
	5		Рис. 1. Архитектура геоплатформы
	6		Примеры моделей, разработанных в рамках геоплатформы Модель оценки объектов недвижимости
	7		Рис. 2. Пример визуализации результатов моделирования
	8		Рис. 3. Кластеризация по геодезическому расстоянию
	10		Рис. 4. Кластеризация методом SpatialWoE
	11		Модель оценки инвестиционной привлекательности Выводы
	12		Рис. 5. Пример работы модели оценки инвестиционной привлекательности
	13		Литература

Финансы Кредитование

Инвестирование Реальные инвестиции

Банковское дело Кредитование

Ключевые слова: геоплатформа, машинное обучение, геоданные, геоаналитика, геослой, кластеризация, геоточки, полигон, оценка стоимости объекта недвижимости, модели на базе геоплатформы

Аннотация

Статья посвящена применению алгоритмов машинного обучения с использованием географической информации для решения актуальных проблем банка. Многообразие и разнородность учитываемых при этом факторов существенно усложняют задачу установления причинно-следственных связей и прогнозирования результатов. Применение методов машинного обучения позволяет находить явные и скрытые зависимости между входными и выходными потоками данных, распределенная архитектура решения делает систему масштабируемой.

Журнал: «Управление финансовыми рисками» — №4, 2018 (© Издательский дом Гребенников)

Объем в страницах: 13

Кол-во знаков: около 22,277

Библиографическая ссылка: печать / интернет

* Деятельность Meta (соцсети Facebook и Instagram) запрещена в России как экстремистская.

1. Geospatial Analytics Market Worth 86.32 Billion USD by 2023. — Подробнее .

2. Geospatial Analytics Market Research Report — Forecast to 2023. — Подробнее .

3. Hastie T., Tibshirani R., Friedman J. (2009). Elements of Statistical Learning. New York: Springer.

4. Liu B., Xia Y., Yu P.S. (2000). «Clustering through decision tree construction». Proceedings of the 9th International Conference on Information and Knowledge Management, McLean, Virginia, pp. 20–29.

5. Zhou Z.-H., Ting K.M., Liu F.T. (2008). «Isolation forest». Proceedings of the 8th IEEE International Conference on Data Mining, pp. 413–422.

6. Kohavi R. (1995). «A study of cross-validation and bootstrap for accuracy estimation and model selection». Proceedings of the International Joint Conferences on Artificial Intelligence, Vol. 14, No. 2, pp. 1137–1145.

7. SpatialWoE. — Подробнее .

Коновалихин Максим Юрьевич
д. т. н.

Управляющий директор департамента методологии и контроля рисков ПАО Сбербанк.

г. Москва

Другие статьи автора 12

Кулик Вадим Валерьевич

Заместитель председателя правления ПАО Сбербанк.

г. Москва

Другие статьи автора 11

Суржко Денис Андреевич
к. э. н.

Начальник центра алгоритмов машинного обучения АО «Газпромбанк».

г. Москва

Забалуев Руслан Николаевич
к. ф.-м. н.

Руководитель проектов центра алгоритмов машинного обучения АО «Газпромбанк».

г. Москва

Электронная библиотека

Геоплатформа в банке: от ипотеки до инвестиционных проектов
Коновалихин М.Ю., Суржко Д.А., Забалуев Р.Н., Кулик В.В.

Введение

Основные сценарии применения геоплатформы

Анализ геоточек

Архитектура геоплатформы

Прогнозирование свойств геополигонов

Рис. 1. Архитектура геоплатформы

Примеры моделей, разработанных в рамках геоплатформы

Модель оценки объектов недвижимости

Рис. 2. Пример визуализации результатов моделирования

Рис. 3. Кластеризация по геодезическому расстоянию

Рис. 4. Кластеризация методом SpatialWoE

Модель оценки инвестиционной привлекательности

Выводы

Рис. 5. Пример работы модели оценки инвестиционной привлекательности

Литература