Predicting Borrower Default in FinTech Lending Using Machine Learning

شروع أكاديمي متكامل يهدف إلى تطوير نموذج ذكي للتنبؤ بتعثر المقترضين في منصات الإقراض الرقمي (FinTech) باستخدام تقنيات تعلم الآلة وتحليل البيانات.

اعتمد المشروع على تحليل أكثر من 464 ألف سجل من منصة Bondora الأوروبية بعد تنفيذ عمليات تنظيف البيانات، ومعالجة القيم المفقودة، واستخراج الميزات، ومنع Data Leakage لضمان دقة النتائج. تمت مقارنة عدة نماذج للتعلم الآلي، تشمل Logistic Regression وLinear Discriminant Analysis وRandom Forest وXGBoost وLightGBM بالإضافة إلى نماذج Ensemble، بهدف تحديد النموذج الأكثر كفاءة في التنبؤ بحالات التعثر.

كما تم تقييم النماذج باستخدام مؤشرات الأداء مثل ROC AUC وPrecision وRecall وF1 Score، مع استخدام SHAP لتفسير قرارات النموذج وتحليل أهمية المتغيرات المؤثرة في التنبؤ، مما يوفر إطارًا عمليًا يدعم مؤسسات التكنولوجيا المالية في تحسين إدارة مخاطر الائتمان واتخاذ قرارات الإقراض