رتبه بندی اعتباری مشتریان حقوقی با استفاده از روشهای یادگیری ماشین و یادگیری عمیق

رتبه بندی اعتباری ، یکی از مهم ترین فعالیت های بانک ها و شرکت های مالی است که در آن، با استفاده از اطلاعات موجود در مورد مشتریان، به تصمیم گیری در مورد اعطای وام و خط اعتباری می پردازند. با توجه به بزرگی حجم دادههای موجود، استفاده از هوش مصنوعی در فرآیند رتبه بندی اعتباری ، به یک روش کارآمد تبدیل شده است .در این مقاله ، دو روش ماشین بردار پشتیبان و شبکه های عصبی پیچشی در فرآیند رتبه بندی اعتباری مشتریان حقوقی یک بانک ایرانی مورد بررسی قرار گرفته و به نحوه کارکرد و قابلیت های هر یک اشاره شده است . همچنین ، به مقایسه و بررسی دقت و کیفیت تصمیم گیری دو مدل پرداخته شده است . نتایج به دست آمده نشان می دهد که استفاده از هوش مصنوعی در فرآیند رتبه بندی اعتباری ، باعث بهبود دقت و کیفیت تصمیم گیری مدلهای رتبه بندی می شود. همچنین ، استفاده از روشهای یادگیری عمیق در مقایسه با یادگیری ماشینی ، در بهبود دقت و کیفیت تصمیم گیری موثرتر بوده است .

کلیدواژه ها:

رتبه بندی اعتباری ، یادگیری ماشین ، یادگیری عمیق ، ماشین بردار پشتیبان ، شبکه های عصبی .