Εφαρμογή στατιστικών μεθοδολογιών και αλγορίθμων μηχανικής μάθησης για την βελτίωση του εξωδικαστικού μηχανισμού ρύθμισης ληξιπρόθεσμων οφειλών

Abstract

This thesis provides an extensive review of the existing out-of-court mechanism for the settlement of overdue debts, highlighting the points of the current framework for calculating instalments and the total amount of the settlement. In the next step, an innovative model for calculating the amount of each instalment, the total amount and the number of instalments is proposed, which takes into account the financial characteristics of the debtor and proposes a specific amount of discount from the original debt. Finally, a new algorithm based on known machine learning methodologies is introduced which can be used to recalculate the amount of each instalment, the total amount in case of default by the debtor. In this case, in real time and, when it detects signs of weakness to pay the debt, it automatically recalculates the instalment, the total balance and the duration of the arrangement, thus ensuring the flexibility and viability of the arrangement for the debtor.

Στην εργασία αυτή γίνεται μια εκτενής ανασκόπηση του υπάρχοντος εξωδικαστικού μηχανισμού ρύθμισης ληξιπρόθεσμων οφειλών, αναδεικνύοντας τα σημεία του ισχύοντος πλαισίου υπολογισμού δόσεων και συνολικού ποσού ρύθμισης. Στο επόμενο στάδιο προτείνεται ένα καινοτόμο μοντέλο υπολογισμού του ύψους κάθε δόσης, του συνολικού ποσού και του αριθμού των δόσεων, το οποίο λαμβάνει υπόψη τα οικονομικά χαρακτηριστικά του οφειλέτη και προτείνει συγκεκριμένο ύψος έκπτωσης από την αρχική οφειλή. Τέλος, εισάγεται ένας νέος αλγόριθμος βασισμένος σε δοκιμασμένες μεθοδολογίες μηχανικής μάθησης ο οποίος μπορεί να χρησιμοποιηθεί για να γίνει νέος υπολογισμός του ύψους κάθε δόσης, του συνολικού ποσού στην περίπτωση που υπάρχει αδυναμία πληρωμής από τον οφειλέτη. Στην περίπτωση αυτή, σε πραγματικό χρόνο και, όταν εντοπίσει σημάδια αδυναμίας, επαναϋπολογίζει αυτομάτως τη δόση, το συνολικό υπόλοιπο και τη διάρκεια της ρύθμισης, διασφαλίζοντας έτσι την ευελιξία και βιωσιμότητα της ρύθμισης για τον οφειλέτη.