Кредитные организации естественным образом располагают большими портфелями клиентских кредитов. Большими - в том смысле, что к ним начинают быть применимы законы больших чисел, предельные теоремы, а значит, и аппарат статистики, что делает естественным применение машинного обучения.

Задача разбиения кредитного портфеля на более однородные по качеству кредитов под-портфели встречается в финансах уже давно: так многие десятки лет структурируются и синдицируются студенческие займы, долги по кредитным картам, ипотечные обязательства для продажи инвесторам в виде ABS (Asset Backed Sequrities, или "ценные бумаги, обеспеченные активами"). Ярким примером такой однородной группы ABS являются печально известные subprime MBS (Mortgage Backed Sequrities, или "ценные бумаги, обеспеченные ипотечными обязательствами") – категория самых ненадёжных ипотечных займов, из-за которых разгорелся кризис 2007-2008 годов. MBS сектора кроме subprime: jumbo, prime и alt-A. Для определения к какому сектору относится конкретный ипотечный кредит, используется как правило всего пара признаков (сумма кредита, кредитный рейтинг должника). В этой статье мы рассматриваем задачу разбиения кредитного портфеля с использованием гораздо большего количества признаков: всей информации, которой обладает кредитор.

В России, в отличии от многих стран (имеются в виду страны Евросоюза, Великобритания, США, Израиль), есть странная и с виду парадоксальная «игра» (так мы здесь далее называем это устоявшееся социальное поведение), которая упорно поддерживается социумом, но при этом кажется совершенно нелогичной и бессмысленной стороннему наблюдателю: на каждый день рождения своего коллеги весь коллектив дружно скидывается «на подарок», причём каждый раз сотрудник отдаёт в общую кассу существенную сумму, как правило превышающую 1% его зарплаты за месяц. Собранная сумма в виде высоколиквидного актива, чаще — в деньгах, реже — в их эквиваленте типа подарочного сертификата, в качестве подарка вручается имениннику в конверте!