Применение метода видеокомпьютерной диагностики и психокоррекции для повышения эффективности определения надежности клиентов банка

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В данной статье рассматривается применение метода видео-компьютерной-психодиагностики и психокоррекции (ВКП) для определения надежности клиентов банка «Тинькофф» в дополнение к кредитному скорингу, а также пример диагностики клиентов микрофинансовой организации «Банк 911» в режиме on-line. Обозначена проблема снижения рисков потребительского кредитования в России и важность ее решения, исследованы существующие методы определения надежных заемщиков в банковской сфере, такие как Персональный кредитный рейтинг, скоринг-система, психоскоринг, их недостатки в условиях большого потока заемщиков, описана суть метода видео-компьютерной психодиагностики и психокоррекции и приведен результат исследования его применения для диагностики клиентов банка «Тинькофф». Обозначено преимущество метода ВКП, заключающееся в том, что, используя данный метод, можно быстро определить мошенника, который заведомо пришел с поддельными документами, или просто заемщика, который изначально не собирается или не может выплачивать кредит, а также дать прогноз поведения клиентов на длительный период, поскольку с помощью программы можно выявить потенциальную предрасположенность к мошенничеству, такие свойства как «лживость» и «безалаберность». Приведено сравнение метода ВКП с другими системами распознания эмоций на изображении, его преимущество и возможность применения в организациях, связанных с опасностью для жизни и экстремальными ситуациями.

Об авторах

Екатерина Борисовна Новикова

Институт проблем управления им. В.А. Трапезникова Российской академии наук

Автор, ответственный за переписку.
Email: e.novikova@ipu.ru
SPIN-код: 2783-4139

старший инженер-программист

Россия, Москва

Список литературы

  1. Ануашвили А.Н. Объективная психология на основе волновой модели мозга. М.: Экон-Информ. 2008. 292 с.
  2. Арисова М.Б., Павелкин В.Д. Современные проблемы и перспективы развития потребительского кредитования в Российской Федерации // Междунар. науч.-практ. интернет-журнал «ПРО-Экономика». 2020. № 1. С. 67–70.
  3. Бичель И.С., Костюкова С.Н. Цифровая трансформация системы банковского кредитования малого бизнеса // Экономика. Бизнес. Финансы. 2020. № 5. С. 7–11.
  4. Гаврилова Э.Н. Скоринговые модели оценки кредитных рисков: российский и зарубежный опыт // Актуальные вопросы современной экономики. 2019. № 1. С. 101–105.
  5. Дженбекова Д.А., Джангазиев А.Е., Езангина И.А. Направления совершенствования управления кредитными активами в региональной сети современного коммерческого банка // Современные социальные и экономические процессы: проблемы, тенденции, перспективы регионального развития. 2023. № 1. С. 25–27.
  6. Дорджи-Горяев С.Б. Финансово-бюджетный контроль при реализации региональных программ // Современные социальные и экономические процессы: проблемы, тенденции, перспективы регионального развития. 2023. № 1. С. 27–29.
  7. Мальцевич Н.В., Макарова Ю.В. Скоринг как метод оценки кредитоспособности // Стратегии развития предпринимательства в современных условиях: матер. I Междунар. науч.-практ. конф. «Стратегии развития предпринимательства в современных условиях». СПб.: С.-Петербургский гос. экономический ун-т, 2017. С. 270–272.
  8. Селюков В.К. Оптимизация процесса управления кредитным риском в банковских скоринговых системах // Вестник МГТУ им. Н.Э. Баумана. Серия: Естественные науки. 2006. № 1. С. 106–118.
  9. Толмачёва Ю.С. Современные методы оценки благонадежности заемщика коммерческого банка // Экономика и социум. 2018. № 11 (54). С. 943–948.
  10. Чудиновская Л.А. Актуальные проблемы кредитования физических лиц // Весенние дни науки: cб. докл. Междунар. конф. студентов и молодых ученых (Екатеринбург, 24–25 апреля 2020 г.). Екатеринбург: УМЦ УрФУ. 2020. С. 75–78.
  11. Akanksha K., Ranjan N., Vyas N. Deep learning-based automatic face expression recognition framework // Processing of the International Conference on Circuit Power and Computing Technologies (ICCPCT). Kollam, India. 2023. Pp. 1291–1296.
  12. Anuashvili A.N. New principle of moving object image reception // Coherent measuring and data processing methods and devices. CIS Selected papers. Washington: The International Society for Optical Engineering, Bellingham, 1993. Vol. 1978. Pp. 147–155.
  13. Amirhosseini M.H., Kazemian H. Machine learning approach to personality type prediction based on the Myers–Briggs type indicator // Multimodal Technologies and Interaction. 2020. No. 4 (9). Pp. 1–15.
  14. Abidin N.H.Z., Remli M.A., Ali N.M. et al. Improving intelligent personality prediction using Myers–Briggs type indicator and random forest classifier // Int. J. Adv. Comput. Sci. Appl. 2020. Vol. 11. No. 11. Pp. 192–199.
  15. Gadiraju S.S., Reddy S. Bonthu, Kurada R.R. A plausible RNN-LSTM based profession recommendation system by predicting human personality types on social media forums // Processing of the 7th International Conference on Computing Methodologies and Communication (ICCMC). Erode, India, 2023. Pp. 850–855.
  16. Mushtaq Z., Ashraf S., Sabahat N. Predicting MBTI personality type with K-means clustering and gradient boosting // Processing of the 23rd International Multitopic Conference (INMIC). IEEE, 2020.
  17. Wang X. Analysis of bank credit risk evaluation model based on BP neural network // Computational Intelligence and Neuroscience. 2022.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Построение фазового портрета

Скачать (107KB)
3. Рис. 2. Синтезирование из исходной фотографии левополушарного и правополушарного портретов

Скачать (176KB)
4. Рис. 3. Новое лицо человека, синтезированное компьютером из право- и левополушарных портретов

Скачать (170KB)
5. Рис. 4. Диагностика клиента банка «Тинькофф»

Скачать (719KB)
6. Рис. 5. Диагностика клиента банка «Тинькофф»

Скачать (711KB)
7. Рис. 6. Результат видеокомпьютерной психодиагностики

Скачать (403KB)
8. Рис. 7. Распознавание эмоций этого человека с помощью программы Microsoft

Скачать (288KB)
9. Рис. 8. Результат видеокомпьютерной диагностики

Скачать (430KB)
10. Рис. 9. Распознавания эмоций этого человека с помощью программы Microsoft

Скачать (163KB)


Ссылка на описание лицензии: https://www.urvak.ru/contacts/

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».