پیاده سازی و مقایسه روش های یادگیری ماشین در ارزیابی ریسک اعتباری مشتریان موسساتاعتباری و مالی
- سال انتشار: 1401
- محل انتشار: هشتمین کنفرانس بین المللی مهندسی صنایع و سیستم ها
- کد COI اختصاصی: ICISE08_018
- زبان مقاله: فارسی
- تعداد مشاهده: 801
نویسندگان
کارشناسی، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران
استادیار، گروه مهندسی سیستم های هوشمند، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران
چکیده
عمده ترین ریسک در موسسات مالی، ریسک اعتباری است که عدم توانایی قرض گیرنده در بازپرداخت تسهیلات و وام در موعد مقرر معنامی شود. امروزه کارشناسان موسسات می توانند با تحلیل داده های مشتریان و استفاده از یادگیری ماشین، برای تخصیص اعتبارات به آنهاتصمیم گیری نمایند. بنابراین، اعطا و عدم اعطای وام، بدون قضاوت شخصی و بر مبنای ریاضیات انجام می گیرد. در تحقیق پیشرو، داده هایمشتریان موسسه لندینگ کلاب از وبسایت کگل جمع آوری شده است و الگوریتم های مختلف یادگیری ماشین برای پیش بینی ریسکاعتباری بررسی شده است. چالش های مهم این پژوهش، انتخاب ویژگی ها و مدل سازی بر کلاس های نامتوازن بود. فلذا، نوآوری کلیدی اینپژوهش استفاده از روش های انتخاب ویژگی شامل آزمون تحلیل واریانس، آزمون اطلاعات متقابل و روش حذف بازگشتی ویژگی و ترکیبآنها با الگوریتم های یادگیری ماشین برای پیش بینی ریسک اعتباری می باشد. همچنین برای مدل سازی بر کلاس های نامتوازن ، الگوریتم هایحساس به هزینه مانند درخت تصمیم ، ماشین بردار پشتیبان و الگوریتم های جمعی مثل جنگل تصادفی و تقویت گرادیان سبک استفاده شد. دیگر نوآوری پژوهش استفاده از الگوریتم های جدیدتر حوزه یادگیری ماشین مانند تقویت گرادیان سبک می باشد و نتایج نشانمی دهد بهترین طبقه بندی توسط همین الگوریتم و بر ویژگی های منتخب از روش آزمون تحلیل واریانس انجام گرفته است. مساحت زیرمنحنی مشخصه عملکرد این مدل برابر با ۰.۷۲۴ و معیار اف ۰.۵ برابر با ۰.۷۸۸ است.کلیدواژه ها
ریسک اعتباری، طبقه بندی، درخت تصمیم، ماشین بردار پشتیبان، جنگل تصادفی، تقویت گرادیان سبکمقالات مرتبط جدید
- بررسی تاثیر تیم پروژه بر عملکرد مالی با در نظر گرفتن نقش میانجی موفقیت در مدیریت پروژه
- پیش بینی دمای هوا با استفاده از شبکه توابع پایه شعاعی
- پیش بینی آنلاین رسوب خاکستر در سطح گرمایشی بویلر بر اساس تحلیل موجک و رگرسیون بردار پشتیبان
- پیش بینی قیمت سکه و طلا با استفاده از یادگیری ماشین و داده های موجود در بستر اینترنت
- آینده هوش مصنوعی: فرصت ها و چالش ها
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.