Predicting Non-Performing Loans using machine learning techniques: A case study of F88
Khoá luận tốt nghiệp · Đại học · năm 2023 · đề tài tham khảo
| Loại tài liệu | Khoá luận tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Đỗ Anh Luyện |
| Người hướng dẫn | Tran Thi Oanh |
| Cơ sở đào tạo | Đại học Quốc gia Hà Nội |
| Năm | 2023 |
| Nguồn | Thư viện số Đại học Quốc gia Hà Nội · trang gốc |
Tóm tắt
Non-Performing Loans (NPL) occurs when the loan cannot be returned at a predetermined time. According to F88 regulations, bad debt is classified based on 90 days of overdue debt. This amount of NPL has an impact on organization losses. This study aims to create a predictive model for new customer using 22 attributes as the characteristics of customers. Prediction results are classified as NPL (Bad) or performing loan (Good). The NPL prediction used 83732 customers' data from 2019 - 2022. The result of this study can be used as a management tool in analyzing loan applications from prospective customers. The benefit is to suppress the growth of customers in the NPL category, automate decision – making process, reduce risk and diligence reporting costs. Because I’m facing very imbalanced data, several methods will be used such as: Over-sampling and Undersampling to handle it. In the modeling phase, the comparison was carried out using both machine learning and reinforcement learning algorithms, Deep Q-Learning, Logistic Regression, Decision Tree, Random Forest, Support Vector Machine, LightGBM and XGBoost. The predictive model used the Deep Q-Learning as it outperforms single classifier algorithms and can handle imbalanced datasets. And finally, a project will deploy to production by Streamlit API.
Bản toàn văn lưu tại thư viện Đại học Quốc gia Hà Nội
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Thành lập bản đồ địa chính xã Quỳnh Vinh, Thị xã Hoàng Mai, Tỉnh Nghệ An từ số liệu đo đạc trực tiếp bằng phần mềm Microstation và Famis
- Thiết kế, lập trình gia công khuôn đúc cho chi tiết tay nắm cầm mở cửa trên xe Uoát
- Ứng dụng phần mềm Microstation V8 và Gcadas thành lập bản đồ hiện trạng sử dụng đất từ bản đồ địa chính số phường Tào Xuyên, thành phố Thanh Hóa, tỉnh Thanh Hóa
- Thành lập bản đồ hiện trạng sử dụng đất từ bản đồ địa chính cho xã Thống Nhất, huyện Hoành Bồ, Tỉnh Quảng Ninh bằng phần mềm Microstation
- Nghiên cứu Phần mềm catia ứng dụng trong thiết kế và gia công khuôn nhựa trên máy CNC
- Ứng dụng ảnh máy bay và hệ thống thông tin địa lý (GIS) để theo dõi biến động thảm thực vật và sử dụng đất khu vực Xuân Mai và Lương Sơn
- Ứng dụng hệ thống thông tin địa lý (GIS) trong theo dõi, đánh giá biến động hiện trạng sử dụng đất giai đoạn 2001- 2006 tại xã Vĩnh Chấp, huyện Vĩnh Linh, tỉnh Quảng Trị
- Ứng dụng phương pháp phân tích đa tiêu chuẩn (Multi Criteria Analysis = MCA) với sự trợ giúp của phần mềm SPSS để lựa chọn tập đoàn cây trồng cảnh quan đường phố cho thành phố Hải Dương
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.