بررسی شاخص های اعتبارسنجی مشتریان بانکی با استفاده از روش هوش مصنوعی و دلفی

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 185

فایل این مقاله در 30 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IMS-11-42_008

تاریخ نمایه سازی: 29 فروردین 1402

چکیده مقاله:

با توجه به اهمیت اعطای اعتبار در نظام بانکی، استفاده از عوامل موثر بر اعتبارسنجی جهت تصمیم گیری در اعتباردهی، بسیار مهم است. با توجه به این مهم، تحقیق حاضر به شناسایی و اولویت بندی ویژگی های تاثیرگذار در اعتبارسنجی مشتریان با استفاده از دیدگاه متخصصان و کارشناسان بانکی شهر کرمان و تطابق آن با شاخص های موجود در مدل های استخراج شده از روش هوش مصنوعی پرداخته است. هدف این است که آیا بین نظرات انسانی که ناشی از دانش و تجربه است و نظرات هوش مصنوعی که به مسئله به صورت مدل سازی جعبه سیاه نگاه می کنند، تطابق وجود دارد یا خیر. داده های موردنیاز به روش پرسشنامه و الگوریتم باینری کوانتومی جمعیت ذرات، جمع آوری شده و به ترتیب به روش دلفی و فرا ابتکاری موردبررسی قرارگرفته اند. نتایج حاکی از آن است که شاخص های منتخب دو روش ۸۰ درصد همپوشانی داشته اند. با توجه به نتایج تحقیق و دقت بالای تکنیک های هوش مصنوعی، پیشنهاد می شود جهت اعطای اعتبار به مشتریان در بانک ها و موسسات مالی و اعتباری، وزن بالاتری برای شاخص های مذکور لحاظ شود.

نویسندگان

سلیمه قنبری

مربی، گروه گردشگری و هتلداری، مجتمع آموزش عالی بم، بم، ایران نویسنده مسئول : s.ghanbari@bam.ac.ir

حسین نظام آبادی پور

استاد، گروه مهندسی برق، دانشگاه شهید باهنر، کرمان، ایران

سید عبدالمجید جلایی

استاد، گروه اقتصاد، دانشگاه شهید باهنر، کرمان، ایران

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 :
  • آذر، عادل.، فرجی، حجت. (۱۳۸۱). علم مدیریت فازی، تهران، اجتماع ...
  • طبقه بندی متقاضیان تسهیلات اعتباری بانکی با استفاده ازداده کاوی و منطق فازی [مقاله ژورنالی]
  • جلیلی، محمد.، خدایی وله زاقرد، محمد.، کنشلو، مهدیه. (۱۳۸۹). اعتبارسنجی ...
  • راعی، رضا.، فلاح پور، سعید (۱۳۸۷). کاربرد ماشین بردار پشتیبان ...
  • رجب زاده قطری، علی.، میرزایی آرش، بهرام.، احمدی، پرویز. (۱۳۸۸). ...
  • نظام آبادی پور، حسین. (۱۳۹۲). الگوریتم وراثتی: مفاهیم پایه و ...
  • هاشمی تیله نویی، مصطفی.، حسین زاده، صبا. (۱۳۹۹). بررسی برتری ...
  • ReferencesAbdou, H, Pointon, J, & El-Masry, A. (۲۰۰۸). Neural nets ...
  • Barani, F, Mirhosseini, M, & Nezamabadi-Pour, H. (۲۰۱۷). Application of ...
  • Chen, M. C, Huang, S. H. (۲۰۰۳). Credit scoring and ...
  • Nanni, L, & Lumini, A. (۲۰۰۹). An experimental comparison of ...
  • Taghavifard, M. T, Nadali, A. (۲۰۱۲). Classification of Credit Applicants ...
  • Jalili, M, Khodaei, M, & Koneshlou, M. (۲۰۱۰). Validation of ...
  • Raei, R, Fallahpour, S. (۲۰۰۹). Support Vector Machines Application in ...
  • Rajabzadeh, A, bahrammirzaei, A, & Ahmadi, P. (۲۰۱۰). Hybrid Intelligent ...
  • Salehi, M, Korde Katooli, A. (۲۰۱۸). Optimal Feature Selection in ...
  • Ghodsipour, S. H, Salari, M, & Delavari, V. (۲۰۱۲). Using ...
  • Nezamabadi-pour, H. (۲۰۱۳). Inheritance Algorithm: Basic Concepts and Advanced Topics, ...
  • Hashemi Tilehnouei, M, Hosseinzadeh, S. (۲۰۲۰). Investigating the Efficiency of ...
  • استناد به این مقاله: قنبری، سلیمه.، نظام آبادی پور، حسین.، ...
  • DOI: ۱۰.۲۲۰۵۴/IMS.۲۰۲۱.۴۹۶۹۸.۱۶۶۹ Journal of Business Intelligence Management Studies is licensed under ...
  • نمایش کامل مراجع