Dieser Artikel untersucht die Möglichkeiten des Einsatzes von Methoden des maschinellen Lernens bei der Bewertung von Kreditrisiken für Geschäftsbanken. Basierend auf den neuesten statistischen Daten aus dem Bankensektor Usbekistans vergleicht die Studie traditionelle Kreditbewertungsmodelle mit modernen Algorithmen – Random Forest, XGBoost und logistischer Regression. Die Ergebnisse zeigen, dass Ensemble-Methoden eine überlegene Vorhersagegenauigkeit im Vergleich zu traditionellen Ansätzen bieten. Der Artikel schließt mit praktischen Empfehlungen zur Verbesserung des Kreditrisikomanagements im Kontext der digitalen Transformation der Geschäftsbanken Usbekistans.
Umida et al. (Tue,) haben diese Frage untersucht.