به کارگیری الگوریتم های یادگیری ماشین برای اعتبار سنجی مشتریان بانک ها

در سال های اخیر اعطای تسهیلات بانکی با مشکلاتی مواجه شده است که استفاده از سیستم های اعتبار سنجی را برایبانک ها ضروری نموده است. با استفاده از تحلیل اطلاعات مربوط به مشتریان، بانک ها با استفاده از فرآیند داده کاوی می توانندبه اعتبار سنجی متقاضیان تسهیلات و طبقه بندی آن ها به مشتریان خوب یا بد اعتبار را پرداخت کرد. درسیستم هایبانکداری سنتی، مدیران اعتباری اغلب میزان اعتبار مشتریان را با توجه به تجربه خود می سنجند ولی در نظام بانکدارینوین، با محدودیت زمانی و تعدد فزاینده مشتریان مواجه هستیم . برای حل این مشکل، ما در این مقاله با استفاده ازالگوریتم های یادگیری ماشین احتمال قصور یا عدم قصور در پرداخت ها را محاسبه کرده و با توجه به آن مشتریان را رتبهبندی می کنیم. هدف این پژوهش توسعه مدلی یکپارچه با دقت بالا برای اعتبار سنجی مشتریان است. که در همه الگوریتم هااین حاصل شده و به دقت بالا ۹۰ رسیده ایم که این نشان از برتری مدل پیشنهادی می دهد. شبکه های عصبی به دلیلدقت به مراتب بالاتر و حجم محاسبات پایین تر نسبت به سایر روش های کلاسیک در پیش بینی رفتار اعتباری افرادمتقاضی تسهیلات دارای اولویت هستند.

کلیدواژه ها:

انتخاب ویژگی ، اعتبار سنجی ، بانک ، هوش مصنوعی ، یادگیری ماشین