Application of the method of video-computer diagnostics and psychocorrection to improve the efficiency of determining the reliability of bank clients

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

This article discusses the application of the video-computer-psychodiagnostics and psychocorrection (VCP) method to determine the reliability of Tinkoff Bank clients in addition to credit scoring, as well as an example of diagnosing clients of the microfinance organization Bank 911 in on-line mode. The problem of reducing the risks of consumer lending in Russia and the importance of solving it are identified, existing methods for determining reliable borrowers in the banking sector, such as Personal Credit Rating, scoring system, psychoscoring, their shortcomings in the context of a large flow of borrowers are studied, the essence of the video-computer psychodiagnostics and psychocorrection method is described and the result of the study of its application for diagnosing Tinkoff Bank clients is given. The advantage of the VKP method is indicated, which consists in the fact that, using this method, it is possible to quickly identify a fraudster who deliberately came with forged documents, or simply a borrower who initially does not intend or cannot repay the loan, and also to give a forecast of the behavior of clients for a long period, since with the help of the program it is possible to identify a potential predisposition to fraud, such properties as “falsehood” and “carelessness”. A comparison of the VKP method with other systems for recognizing emotions in an image, its advantage and the possibility of application in organizations associated with a danger to life and extreme situations are given.

Sobre autores

Ekaterina Novikova

V.A. Trapeznikov Institute of Control Sciences of Russian Academy of Sciences

Autor responsável pela correspondência
Email: e.novikova@ipu.ru
Código SPIN: 2783-4139

senior software engineer

Rússia, Moscow

Bibliografia

  1. Anuashvili A.N. Objective psychology based on the wave model of the brain. Moscow: Ekon-Inform, 2008. 292 p.
  2. Arisova M.B., Pavelkin V.D. Modern problems and prospects for the development of consumer lending in the Russian Federation. International Scientific and Practical Online Journal “PRO-Economics”. 2020. No. 1. Pp. 67–70. (In Rus.)
  3. Bichel I.S., Kostyukova S.N. Digital transformation of the bank lending system for small businesses. Economics. Business. Finance. 2020. No. 5. Pp. 7–11. (In Rus.)
  4. Gavrilova E.N. Scoring models for credit risk assessment: Russian and foreign experience. Topical Issues of Modern Economics. 2019. No. 1. Pp. 101–105. (In Rus.)
  5. Dzhenbekova D.A., Dzhangaziev A.E., Ezangina I.A. Directions for improving credit asset management in the regional network of a modern commercial bank. Modern Social and Economic Processes: Problems, Trends, Prospects for Regional Development. 2023. No. 1. Pp. 25–27. (In Rus.)
  6. Dordzhi-Goryaev S.B. Financial and budgetary control in the implementation of regional programs. Modern Social and Economic Processes: Problems, Trends, Prospects for Regional Development. 2023. No. 1. Pp. 27–29. (In Rus.)
  7. Maltsevich N.V., Makarova Y.V. Scoring as a method for assessing creditworthiness. In: Strategies for entrepreneurship development in modern conditions. Processing of the I International Scientific and Practical Conference “Strategies for Entrepreneurship Development in Modern Conditions”. St. Petersburg: Saint Petersburg State University of Economics, 2017. Pp. 270–272.
  8. Selyukov V.K. Optimization of credit risk management in bank scoring systems. Bulletin of Bauman Moscow State Technical University. Series: Natural Sciences. 2006. No. 1. Pp. 106–118. (In Rus.)
  9. Tolmacheva Y.S. Modern methods for assessing the reliability of a commercial bank borrower. Economics and Society. 2018. No. 11 (54). Pp. 943–948. (In Rus.)
  10. Chudinovskaya L.A. Current problems of lending to individuals. In: Spring days of science. Proceedings of the International Conference of Students and Young Scientists (Ekaterinburg, April 24–25, 2020). Ekaterinburg: Ural Mathematical Center of the Ural Federal University, 2020. Pp. 75–78.
  11. Akanksha K., Ranjan N., Vyas N. Deep learning-based automatic face expression recognition framework. In: 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. In: Coherent measuring and data processing methods and devices. CIS Selected papers. Washington, USA: 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. ISSN: 2414-4088.
  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. In: 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. In: 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. In: Computational Intelligence and Neuroscience, 2022.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar
2. Fig. 1. Construction of a phase portrait

Baixar (107KB)
Metadados
3. Fig. 2. Synthesis of left-hemisphere and right-hemisphere portraits from the original photograph

Baixar (176KB)
Metadados
4. Fig. 3. New human face synthesized by computer from right and left hemisphere portraits

Baixar (170KB)
Metadados
5. Fig. 4. Tinkoff Bank client diagnostics

Baixar (719KB)
Metadados
6. Fig. 5. Tinkoff Bank client diagnostics

Baixar (711KB)
Metadados
7. Fig. 6. Result of video-computer psychodiagnostics

Baixar (403KB)
Metadados
8. Fig. 7. Recognizing this person’s emotions using Microsoft’s program

Baixar (288KB)
Metadados
9. Fig. 8. Result of video-computer diagnostics

Baixar (430KB)
Metadados
10. Fig. 9. Recognizing this person’s emotions using Microsoft’s program

Baixar (163KB)
Metadados


Link à descrição da licença: 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».