کاربرد روش های داده کاوی در مدیریت ریسک های بانکی

هدف: هوش مصنوعی و یادگیری ماشین تاثیر فزاینده ای بر بخش مالی و همچنین بر اقتصاد دارد. تاثیر هوش مصنوعی و یادگیری ماشین بر مدیریت ریسک مالی پس از بحران مالی جهانی بسیار بیشتر شد. تمرکز پژوهش بر هوش مصنوعی و پتانسیل یادگیری ماشین برای بهبود مدیریت ریسک بانکی است. هدف از این مطالعه بررسی هوش مصنوعی و یادگیری ماشین در مدیریت ریسک های بانکی است. در این راستا تاکید مطالعه بر ابعاد هوش مصنوعی و یادگیری ماشین در انواع ریسک های بانکی است. نتایج این مطالعه می تواند برای مدیران ریسک بانکی و پژوهشگران این حوزه مفید باشد و مورد استفاده قرار گیرد.روش: در این پژوهش مروری بر پژوهش های صورت گرفته در حوزه ریسک های بانکی با استفاده از هوش مصنوعی و یادگیری ماشین است. در این خصوص با استفاده از مطالعات پژوهش های صورت گرفته و بررسی پیشینه پژوهش به شناسایی مهم ترین روش های مورد استفاده در مدیریت ریسک های بانکی پرداخته شده است.یافته ها و نتیجه گیری: باتوجه به بررسی پژوهش های صورت گرفته، مشخص شد بیشترین استفاده از روش های داده کاوی در مدیریت ریسک اعتباری است. در پژوهش های بررسی شده مشخص شد از روش های ماشین بردار پشتیبان (SVM)، شبکه بیزی (NN) و درخت تصمیم (DT) است.

کلیدواژه ها:

ریسک بانکی ، هوش مصنوعی ، یادگیری ماشین.