O‘Zbekistonda Alternativ Ma’Lumotlar Asosida Kredit Riskini Baholashning Zamonaviy Modellari

Mazkur maqolada Oʻzbekistonda alternativ ma’lumotlar asosida kredit riskini baholashning zamonaviymodellari va ularning bank-moliya tizimidagi amaliy ahamiyati tahlil qilingan. Tadqiqotda an’anaviy kredit scoringtizimlarining cheklovlari, ayniqsa, moliyaviy tarixi yetarli bo‘lmagan jismoniy shaxslar hamda kichik biznes subyektlarinikreditlashdagi muammolari ilmiy jihatdan asoslab berilgan. Shuningdek, mobil aloqa operatorlari ma’lumotlari, kommunalto‘lovlar tarixi, elektron tijorat tranzaksiyalari, raqamli to‘lov platformalari va mijozlarning xulq-atvoriga oid ma’lumotlardanfoydalanish orqali kredit riskini aniqlash imkoniyatlari o‘rganilgan. Tadqiqot davomida Logistic Regression, RandomForest, Gradient Boosting, XGBoost va sun’iy neyron tarmoqlar kabi zamonaviy Machine Learning modellarining kreditriskini prognozlashdagi samaradorligi tahlil qilingan. Oʻzbekiston Respublikasi Markaziy banki, KATM va tijorat banklarifaoliyatidagi raqamlashtirish jarayonlari hamda FinTech infratuzilmasining rivojlanishi alternativ scoring tizimlarini joriyetish uchun muhim institutsional asos bo‘lib xizmat qilayotgani aniqlangan. Tadqiqot natijasida Oʻzbekiston bank sektoridaalternativ ma’lumotlarga asoslangan adaptiv kredit scoring modelini joriy etish kredit portfeli sifatini oshirish, problemalikreditlar ulushini kamaytirish va moliyaviy inkluzivlikni kengaytirishga xizmat qilishi asoslab berilgan