ІНТЕГРАЛЬНА ОЦІНКА КРЕДИТОСПРОМОЖНОСТІ ПОЗИЧАЛЬНИКІВ У ДЕЦЕНТРАЛІЗОВАНИХ ФІНАНСАХ НА ОСНОВІ ОНЧЕЙН-ДАНИХ: МОДЕЛЬ І ЕМПІРИЧНА ВАЛІДАЦІЯ
DOI:
https://doi.org/10.25313/2520-2294-2026-2-11989Ключові слова:
децентралізовані фінанси, кредитоспроможність, ліквідаційний ризик, ончейн-дані, інтегральний індекс, ROC/AUC, логіт‑модельАнотація
Вступ. водночас Децентралізовані фінанси (DeFi) сформували сегмент забезпеченого кредитування, у якому ризик позиції традиційно контролюється через заставні метрики (LTV, health factor) та автоматичні ліквідації. Однак фактичний ліквідаційний ризик залежить також від виконуваності ліквідації (ринкова ліквідність, транзакційні витрати), поведінкової дисципліни позичальника та мережевих експозицій композабельної екосистеми.
Мета. Розробити формалізовану інтегральну модель оцінки кредитоспроможності DeFi‑позичальників на основі ончейн‑даних та емпірично перевірити її здатність дискримінувати ризик ліквідації порівняно з однофакторним підходом LTV.
Методи. Побудовано систему індикаторів за доменами ризику (застава, позиційний буфер, поведінка, мережеві експозиції, умови ліквідації) та сформовано композитний індекс Integral Creditworthiness (IC) із процедурою орієнтації й мін–макс нормалізації показників, ентропійним оцінюванням інформаційної вагомості та гібридним зважуванням. Дискримінаційну здатність оцінено за логіт‑моделями та ROC/AUC на тестовій підвибірці (30%) у контрольованому дизайні mock simulation, каліброваному до параметрів Aave/Compound (n=600).
Результати. Інтегральний індекс IC демонструє вищу якість прогнозу ліквідаційного ризику порівняно з LTV‑бенчмарком (AUC=0,764 проти 0,683; Accuracy=0,778 проти 0,756) та зберігає інтерпретованість завдяки доменній структурі. Сценарний аналіз шоків ціни застави ΔP∈{−10%; −20%; −30%} підтверджує монотонне зростання прогнозної ймовірності ліквідації від класів ризику A до E та стійкість метрик до варіації параметра гібридного зважування λ∈{0,5; 0,7; 0,9}.
Перспективи. Подальші дослідження доцільно спрямувати на калібрування IC на реальних ончейн‑панелях із розміткою ліквідацій у різних ринкових режимах, інтеграцію оракульного та MEV‑ризику, а також розвиток параметризації PD/LGD‑аналогів для DeFi‑портфелів.
Посилання
Werner S. M., Perez D., Gudgeon L., Klages‑Mundt A., Harz D., Knottenbelt W. J. SoK: Decentralized Finance (DeFi). Proceedings of the 4th ACM Conference on Advances in Financial Technologies (AFT ’22). 2022. https://doi.org/10.1145/3558535.3559780
Gudgeon L., Werner S. M., Perez D., Knottenbelt W. J. DeFi protocols for loanable funds: interest rates, liquidity and market efficiency. Proceedings of the 2nd ACM Conference on Advances in Financial Technologies (AFT ’20). 2020. https://doi.org/10.1145/3419614.3423254
Qin K., Zhou L., Afonin D., Lazzaretti L., Gervais A. An empirical study of DeFi liquidations: incentives, risks, and instabilities. Proceedings of the 2021 ACM SIGSAC Conference on Computer and Communications Security (CCS ’21). 2021. https://doi.org/10.1145/3487552.3487811
Aspris A., Svec J. Locked in, levered up: risk, return, and ruin in DeFi lending. The British Accounting Review. 2025. Article 101691. https://doi.org/10.1016/j.bar.2025.101691
Palaiokrassas G., Scherrers S., Makri E. Machine Learning in DeFi: credit risk assessment and liquidation prediction. IEEE International Conference on Blockchain and Cryptocurrency (ICBC). 2024. https://doi.org/10.1109/ICBC59979.2024.10634435
Altman E. I., Saunders A. Credit risk measurement: developments over the last 20 years. Journal of Banking & Finance. 1998. Vol. 21(11–12). P. 1721–1742. https://doi.org/10.1016/S0378-4266(97)00036-8
Berg T., Burg V., Gombović A., Puri M. On the rise of fintechs: credit scoring using digital footprints. Review of Financial Studies. 2020. Vol. 33(7). P. 2845–2897. https://doi.org/10.1093/rfs/hhz099
Rogge N. Composite indicators as generalized benefit‑of‑the‑doubt weighted averages. European Journal of Operational Research. 2018. Vol. 267(1). P. 381–392. https://doi.org/10.1016/j.ejor.2017.11.048
Zhou P., Ang B. W., Poh K. L. A mathematical programming approach to constructing composite indicators. Ecological Economics. 2007. Vol. 62(2). P. 291–297. https://doi.org/10.1016/j.ecolecon.2007.01.010
Shannon C. E. A mathematical theory of communication. The Bell System Technical Journal. 1948. Vol. 27(3). P. 379–423. https://doi.org/10.1002/j.1538-7305.1948.tb01338.x
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Денис Юрійович Лук’янчук

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.