The Evaluation of access to credit for small and medium enterprises

LTMažos ir vidutinės įmonės vaidina svarbų vaidmenį pasaulio ekonomikoje. Vienas iš pagrindinių iššūkių, su kuriuo jos susiduria, yra ribotos galimybės gauti finansavimą iš išorės kredito teikėjų. Nors egzistuoja didelė apimtis mokslinių tyrimų, analizuojančių atskirų veiksnių grupių daromą įtaką vertinant kredito prieinamumą MVĮ, tačiau nėra aiški kiekvienos veiksnių grupės, atskirų veiksnių bei jų sąveikos svarba. Šios disertacijos tyrimo tikslas yra sukurti kompleksinį kredito prieinamumo mažoms ir vidutinėms įmonėms vertinimo modelį ir jį empiriškai patikrinti. Disertacijos tyrimo rezultatai papildo ir praplečia mokslinę literatūrą, susijusią su kredito prieinamumo mažoms ir vidutinėms įmonėms vertinimu, ir suteikia naujų žinių apie mašininio mokymosi metodų panaudojimo galimybes. Taip pat disertacija suteikia įžvalgų apie veiksnius, kurie yra svarbūs mažoms ir vidutinėms įmonėms siekiant gauti kreditą. Reikšminiai žodžiai: smulkus ir vidutinis verslas; MVĮ; kredito prieinamumas; dirbtinis intelektas.

ENSmall and medium-sized enterprises (SMEs) play a crucial role in the global economy. One of the main challenges they face is limited access to external sources of financing. Although there has been considerable research on separate factor groups and individual factors, the importance of each factor group, individual factors and their interactions remains unclear. The aim of this research is to create an SME access to credit evaluation model and apply it empirically. The findings of the dissertation contribute to the scientific literature related to the evaluation of credit accessibility for SMEs and provide new insights into the potential applications of machine learning methods. Additionally, the dissertation provides an overview of the underlying factors and interactions which are crucial for SMEs to access credit. Keywords: small and medium enterprises; access to credit; machine learning; XAI.