worldneweconomyМир новой экономикиThe world of new economy2220-64692220-7872Financial University under The Governtment оf The Russian Federation10.26794/2220-6469-2018-12-2-66-71worldneweconomy-177Research ArticleМЕНЕДЖМЕНТMANAGEMENTВозможности разрешения проблем микрофинансовых организаций с применением интеллектуальных методов машинного обученияPossible Solutions to the Problems of Microfinance Organizations with the Application of Intelligent Methods of Machine Learninghttps://orcid.org/0000-0003-1238-004XЗолотарюкА. В.ZolotaryukA. V.

кандидат технических наук, доцент, доцент Департамента анализа данных принятия решений и финансовых технологий,

Москва

Cand. Sci. (Tech.), Associate Professor, Department of data analysis, decision-making and financial technologies, 

Moscow

AZolotaryuk@fa.ruhttps://orcid.org/0000-0002-3611-7943ЧечневаИ. А.ChechnevaI. A.

магистрант факультета Прикладной математики и информационных технологий, 

Москва 

Master of Science, Faculty of Applied Mathematics and Information Technology, 

Moscow

chechneva.irina@mail.ruФинансовый университетРоссияFinancial UniversityRussian Federation2018240820181226671Copyright © Золотарюк А.В., Чечнева И.А., 20182018Золотарюк А.В., Чечнева И.А.Zolotaryuk A.V., Chechneva I.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://wne.fa.ru/jour/article/view/177

Авторы статьи рассматривают проблемы, связанные с деятельностью микрофинансовых организаций, и направления их устранения. Предметом исследования является необходимость внедрения машинного обучения для решения актуальных задач. Методы машинного обучения все активнее внедряются в практику для анализа финансово-экономической информации, что позволяет сократить и устранить некоторые сложности. Хотя в сфере микрофинансовых организаций (МФО) в настоящий момент эти методы не так широко применяются, возможности для их распространения имеются. Целью работы является определение перспектив использования данных методов в МФО. В статье приведено описание предметной области исследования, авторы выявляют основные группы проблем, связанных с МФО, рассматривают возможности внедрения машинного обучения для анализа данных в этой области и определяют основные направления возможного применения машинного обучения для МФО. В ходе исследования сделан вывод, что такие методы применимы для оценки деятельности МФО.

The authors consider the problems associated with the activities of microfinance organizations, and directions to eliminate them. The subject of the study is the need to introduce machine learning to solve urgent problems. Machine learning methods are increasingly being implemented to analyze financial and economic information, which reduces and eliminates some of the difficulties. Although currently these methods are not widely used in the field of microfinance institutions (MFIs), there are opportunities for their application. The aim of the work is to determine the prospects for the use of these methods in MFOs. The article describes the subject area of research, associated with MFIs. The authors identify the main groups of problems related to MFOs, consider the possibility of introducing machine learning for data analysis in this area and determine the main directions of the possible use of machine learning for MFIs. The authors concluded that such methods are applicable for assessing the performance of MFIs.

микрофинансовые организацииметоды машинного обученияпроблемы микрофинансовых организациймикрозаймБанк Россиифинансово-экономическая сфераmicrofinance institutionsmachine learning methodsproblems of microfinance organizationsmicroloansBank of Russiafinancial and economic sphereReferencesЧечнева И.А.Системный анализ проблемы невозврата долгов по микрозаймам. Системный анализ в экономике — 2016. Сборник трудов IV Международной научно-практической конференции-биеннале (9–11 ноября 2016 г.). Клейнер Г.Б., Щепетова С.Е., ред. Т. 2. М.: Финансовый университет; 2016.Chechneva I.A. System analysis of the problem of debt default on microloans. In: System analysis in the economy — 2016. Proceedings of the IV International Scientific and Practical Conference-Biennale (November 9–11, 2016). Vol. 2. Kleiner G.B., Schepetova S.E., Eds. Moscow: Financial University; 2016. (In Russ.).Аникеева К.А., Золотарюк А.В., Макова А.С. Перспективы облачных технологий в банковском деле. Валютное регулирование и валютный контроль. 2014;(9):52–56.Anikeeva K.A., Zolotaryuk A.V., Makova A.S. Prospects of cloud technologies in banking. Valyutnoe regulirovanie i valyutnyi kontrol’. 2014;(9):52–56. (In Russ.).Золотарюк А.В. Информационные технологии банковского бизнеса. Валютное регулирование и валютный контроль. 2014;(8):56–57.Zolotaryuk A.V. Information Technologies of Banking Business. Valyutnoe regulirovanie i valyutnyi kontrol’. 2014;(8):56–57. (In Russ.).ЗолотарюкА.В., Качибая П.С., МитюшенковА.Н.Перспективы развития финансовой социальной сети в России. Мир новой экономики. 2017;2(11):70–73.Zolotaryuk A.V., Kachibaya P.S., Mityushenkov A.N. Prospects for the development of a financial social network in Russia. Mir novoi ekonomiki = World of the new economy. 2017;2(11):70–73. (In Russ.).Золотарюк А.В., Цветкова Т.М. Модернизация деятельности Банка России с использованием платформы «1С: Предприятие 8». Новые информационные технологии в образовании: сборник научных трудов 18-й международной научно-практической конференции «Применение технологий “1С” для развития компетенций цифровой экономики» 30–31 января 2018 г. Ч. 1. Чистов Д.В. ред. М.: 1С-Паблишинг; 2018.Zolotaryuk A.V., Tsvetkova T.M. Modernization of the Bank of Russia using the platform “1C: Enterprise 8”. In: New information technologies in education. A collection of scientific papers of the 18th International scientific and practical conference “Application of technologies of ‘1C’ for the development of competences of the digital economy”. January 30–31, 2018. Part 1. Chistov D.V., ed. Moscow: 1S-Publishing; 2018. (In Russ.).Харченко И.А., Чечнева И.А. Использование технологии блокчейн почтовыми операторами. Информационно-телекоммуникационные системы и технологии (ИТСиТ 2017). Материалы Всероссийской научнопрактической конференции, г. Кемерово, 12–13 октября 2017 г.; Кузбас. гос. техн. ун-т им. Т.Ф. Горбачева. Кемерово, 2017.Kharchenko I.A., Chechneva I.A. Use of blockchain technology by postal operators. In: Information and Telecommunication Systems and Technologies (ITC&T 2017). Proceedings of the All-Russian Scientific and Practical Conference, Kemerovo, October 12–13, 2017; Kuzbass: State Technical University. Kemerovo; 2017. (In Russ.).Гайдар Е.В., Золотарюк А.В., Худеньких Е.С. BI-технологии предотвращают мошенничество в банковской сфере. Валютное регулирование и валютный контроль. 2015;5:63–66.Gaidar E.V., Zolotaryuk A.V., Khudenkikh E.S. BI-technologies prevent fraud in the banking sphere. Valyutnoe regulirovanie i valyutnyi kontrol’. 2015;(5):63–66. (In Russ.).Чистов Д.В., Гобарева Я.Л., ЗолотарюкА.В., Кочанова Е.Р., Медведева М.Б. и др. Автоматизация деятельности кредитной организации на платформе «1С: Предприятие 8». Чистов Д.В., ред. М.: 1С-Паблишинг; 2012.Chistov D.V., Gobareva Ya.L., ZolotaryukA.V. et al. Automation of the activity of a credit institution on the platform “1C: Enterprise 8”. Chistov D.V., ed. Moscow: 1S-Publishing; 2012. 436 p. (In Russ.).Deboeck G.J. Financial applications of self-organizing maps. Neural Network World. 1998;8(2):213–241.Deboeck G.J. Financial applications of self-organizing maps. Neural Network World. 1998;8(2):213–241.Wu C.H. et al. A real-valued genetic algorithm to optimize the parameters of support vector machine for predicting bankruptcy. Expert systems with applications. 2007;32(2):397–408.Wu C.H. et al. A real-valued genetic algorithm to optimize the parameters of support vector machine for predicting bankruptcy. Expert systems with applications. 2007;32(2):397–408.Cubiles-De-La-Vega M.D. et al. Improving the management of microfinance institutions by using credit scoring models based on Statistical Learning techniques. Expert Systems with Applications. 2013;40(17):6910–6917.Cubiles-De-La-Vega M.D. et al. Improving the management of microfinance institutions by using credit scoring models based on Statistical Learning techniques. Expert systems with applications. 2013;40(17):6910–6917.

The authors declare that there are no conflicts of interest present.