Kredit xavfini modellashtirish

💡 Kredit xavfi nima?

Kredit xavfi (Credit Risk) — bu qarzdor bankka qarzini qaytara olmasligi ehtimoli, ya’ni to‘lovni kechiktirishi yoki umuman to‘lamasligi xavfi.

🔍 Masalan: Bank 100 mln so‘m kredit bersa, ammo qarzdor 50 mln so‘mini qaytarmasa — bu kredit yo‘qotish va kredit xavfi deb ataladi.

🧮 Credit Risk Modelling (Kredit xavfini modellashtirish) nima?

Bu — banklar va moliyaviy institutlar tomonidan qarz berishda potensial yo‘qotishlarni oldindan hisoblash, ya’ni qarzdorning to‘lamaslik ehtimolini aniqlovchi statistik va matematik model yaratish jarayoni.

🎯 Asosiy maqsadlari:

Kredit olishdan oldin foydalanuvchining to‘lov qobiliyatini baholash
Qarz berish qarorini xavfga asoslangan holda qabul qilish
Kapitalni yo‘qotishdan himoyalanish
Bankning umumiy risk boshqaruv strategiyasini takomillashtirish

🧱 Kredit xavfi modellari asosiy 3 komponentga asoslanadi:

🔢 Probability of Default (PD)

– Qarzdorning kreditni qaytara olmaslik ehtimoli
– Odatda % ko‘rinishida ifodalanadi
– Masalan: 5% PD → 100 ta qarzdan 5 tasi qaytmasligi mumkin
💸 Loss Given Default (LGD)

– Qarzdor to‘lamagan taqdirda bankning yo‘qotadigan qismini ifodalaydi
– Masalan: Bank 100 mln so‘m berdi, 40 mln yo‘qoladi → LGD = 40%
📆 Exposure at Default (EAD)

– Kredit to‘lamaslik ro‘y bergan paytdagi qarz miqdori
– Masalan: mijoz hali 70 mln so‘m qarzini to‘lamagan

🔗 Umumiy yo‘qotish formulasi:

Expected Loss (EL) = PD × LGD × EAD

🛠️ Ishlatiladigan asosiy metodlar:

Model turi	Tavsifi
Logistic Regression	Eng ko‘p ishlatiladigan statistika modeli, mijoz to‘lay oladimi yo‘qmi degan ehtimolni hisoblaydi
Decision Trees	Ma’lumotlarga qarab qaror qabul qiluvchi daraxtsimon model
Random Forest / XGBoost	Bir nechta qaror daraxtlaridan iborat kuchli model, aniqligi yuqori
Neural Networks	Katta ma’lumotlar asosida o‘rganadigan sun’iy intellekt modellari
Survival Analysis	Kreditni qachon to‘lay olmay qolishini bashoratlaydi
Altman Z-score	Korxonaning moliyaviy sog‘lomligini baholaydi (bankrotlik xavfi uchun)

🧪 Model uchun zarur ma’lumotlar (input features):

Mijozning yoshi, jinsi, oilaviy holati
Ish joyi, ish tajribasi, daromad
Avvalgi kredit tarixi
Kredit hajmi, muddati, foiz stavkasi
Kafolat mavjudligi
Xarajatlar darajasi, qarz yuki (debt-to-income ratio)

📊 Modelni baholash (Evaluation Metrics):

Accuracy — model to‘g‘ri bashorat qilgan holatlar ulushi
AUC-ROC Curve — yaxshi va yomon qarzdorlarni farqlash qobiliyati
Confusion Matrix — haqiqat vs bashorat natijasi
Gini Coefficient — diskriminatsiya darajasi (0–1 oralig‘ida)

✅ Real hayotdagi qo‘llanishi:

Bank kredit berishda mijozga ball qo‘yadi (skoring)
Bank markazlari (CBU) model asosida talablar belgilaydi
Kredit portfellarining xavf darajasini baholaydi
IFRS 9 standartiga mos ravishda zaxira (provision) hisoblaydi

📌 Xulosa:

Credit Risk Modelling banklar uchun xavfsiz, adolatli va foydali kredit siyosatini yuritish imkonini beradi. Yaxshi model:

Qarzdorni aniq tahlil qiladi
Yo‘qotishlarni kamaytiradi
Bank barqarorligini ta’minlaydi