Краткое содержание:
В этой статье обсуждается разработка и внедрение модели кредитного скоринга на основе ИИ для кредитов в сети с недостаточным обеспечением в экосистеме децентрализованных финансов (DeFi). Кредитование DeFi значительно выросло, но требование избыточного обеспечения ограничивает его потенциал. Статья направлена на устранение этого ограничения путем введения кредитов с недостаточным обеспечением и использования машинного обучения (МО) для оценки кредитоспособности заемщиков.
Традиционные финансы используют модели машинного обучения для оценки кредитоспособности, но DeFi создает уникальные проблемы из-за отсутствия персонализированной финансовой информации и отсутствия проверки человеком. В статье освещаются трудности с созданием профилей клиентов и наличие вездесущих ботов, которые завышают объемы транзакций, чтобы манипулировать историей заимствований.
Для создания решения алгоритмы сбора данных отслеживают транзакции кошелька, историю кредитования, ликвидацию, коэффициенты обеспечения и рыночный контекст. Модель вводит концепцию невзаимозаменяемого кредитного рейтинга (NFCS) в качестве стимула для заемщиков к своевременному погашению кредитов, тем самым влияя на их процентные ставки по займам.
В статье обсуждаются подходы машинного обучения, используемые для проверки модели, выбора функций и настройки гиперпараметров. Решение также решает проблему обнаружения ботов, что помогает уменьшить количество мошеннических действий. Система сочетает в себе несколько моделей и успешно развернута на различных блокчейнах.
Несмотря на некоторые незначительные финансовые потери и проблемы, связанные со стимулами к погашению, модель оценки ИИ оказывается эффективным решением для кредитования с недостаточным обеспечением в DeFi. Он демонстрирует потенциал AI и ML в пространстве Web3 и открывает новые возможности для протоколов децентрализованного кредитования.
