Designing a Comparative Model of Bank Credit Risk Using Neural Network Models, Survival Probability Function and Support Vector Machine
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 170
فایل این مقاله در 32 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEMR-12-45_012
تاریخ نمایه سازی: 28 فروردین 1402
چکیده مقاله:
Credit risk is the probability of default of the borrower or the counterparty of the bank in fulfilling its obligations, according to the agreed terms. In other words, uncertainty about receiving future investment income is called risk, which is of great importance in banks. The purpose of this article was to estimate the credit risk of Mellat Bank's legal customers. In this study, the statistical information of ۷۳۳۰ real customers was used. In this regard, the results of neural network model and support vector machine model have been compared. The obtained results have shown that the components considered in this study based on personality, financial and economic characteristics had significant effects on the probability of customer default and credit risk calculation. Also, the results of this study showed that the application of control policies at the beginning of the repayment period suggests facilities that have the highest probability of default with long life and high repayment. Comparing the results obtained from the prediction accuracy of different models, it was observed that the explanatory power of the support vector machine model and the use of the survival probability function was higher than that of the simple neural network model for the studied groups of real customers.
کلیدواژه ها:
نویسندگان
نسرین متدین
Islamic Azad University
رافیک نظریان
Islamic Azad University
مرجان دامن کشیده
Islamic Azad University
رویا سیفی پور
Islamic Azad University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :