АНАЛИЗ ЗНАЧИМОСТИ ФАКТОРОВ ПРИ ФОРМИРОВАНИИ ПОРТРЕТА ЗАЕМЩИКОВ. АНАЛИЗ ЗНАЧИМОСТИ ФАКТОРОВ ПРИ ФОРМИРОВАНИИ ПОРТРЕТА ЗАЕМЩИКОВ. 

Authors

  • Эркаев Уткиржон Олтибой угли Магистрант Банковско-финансовой академии Республики Узбекистан

Keywords:

Ключевые слова: заемщик, кредитный риск, кредитоспособность, скоринг, кредитная история, банковское кредитование, финансовое поведение, портрет заемщика, долговая нагрузка, риск-менеджмент.

Abstract

Аннотация: В современных условиях цифровизации финансового сектора формирование портрета заемщика является одним из ключевых инструментов управления кредитным риском. Банки и иные кредитные организации используют широкий спектр социально-демографических, финансовых и поведенческих факторов для оценки вероятности возврата кредита. Цель настоящих тезисов заключается в анализе значимости факторов, используемых при формировании портрета заемщика, а также в выявлении наиболее информативных показателей, влияющих на кредитоспособность физических лиц. Исследование основано на анализе научной литературы, рекомендаций международных финансовых организаций и практики применения скоринговых моделей в банковском секторе. Результаты показывают, что наибольшее значение при оценке заемщиков имеют кредитная история, уровень доходов, долговая нагрузка, стабильность занятости и платежная дисциплина. Полученные выводы могут быть использованы для совершенствования систем управления кредитным риском и повышения качества принятия кредитных решений.

References

1.Saunders A., Cornett M. Financial Institutions Management. – New York: McGraw-Hill, 2021. – pp. 221–245.

2.Thomas L.C., Edelman D.B., Crook J.N. Credit Scoring and Its Applications. – Philadelphia: SIAM, 2017. – pp. 45–88.

3.Basel Committee on Banking Supervision. Principles for the Management of Credit Risk. – Basel: BIS, 2000. – pp. 3–21.

4.World Bank. Global Financial Development Report 2019/2020. – Washington DC, 2020. – pp. 115–136.

5.Anderson R. The Credit Scoring Toolkit. – Oxford University Press, 2018. – pp. 72–109.

6.Fair Isaac Corporation (FICO). Understanding FICO Scores. – 2023. – pp. 4–15.

7.Golin J., Delhaise P. The Bank Credit Analysis Handbook. – Wiley, 2013. – pp. 126–164.

8.IMF. Global Financial Stability Report. – Washington DC, 2022. – pp. 57–79.

9.Mishkin F.S., Eakins S.G. Financial Markets and Institutions. – Pearson, 2021. – pp. 298–325.

10.Hand D.J., Henley W.E. Statistical Classification Methods in Consumer Credit Scoring. – Journal of the Royal Statistical Society, 1997. – pp. 523–541.

11.Khandani A.E., Kim A.J., Lo A.W. Consumer Credit-Risk Models via Machine-Learning Algorithms. – Journal of Banking & Finance, 2010. – pp. 2767–2787.

12.Berg T., Burg V., Gombović A., Puri M. On the Rise of FinTechs: Credit Scoring Using Digital Footprints. – Management Science, 2020. – pp. 2845–2864.

Downloads

Published

2026-06-09

Conference Proceedings Volume

Section

Articles

Similar Articles

1 2 3 4 5 6 7 8 9 10 > >> 

You may also start an advanced similarity search for this article.