رتبه بندی اعتباری مشتریان حقیقی بانک ملت با استفاده از روش های داده کاوی
محل انتشار: نخستین کنفرانس ملی توسعه مدیریت پولی و بانکی
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 6,127
فایل این مقاله در 30 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:
MBMCONF01_135
تاریخ نمایه سازی: 4 اسفند 1392
چکیده مقاله:
هدف از ارائه این مقاله اندازه گیری ریسک اعتباری مشتریان حقیقی بانک ملت با استفاده از روش های داده کاوی مانند مدل شبکه های عصبی و مدل ساختار درختی در مقابل روش های پارامتریک آماری مانند رگرسیون لجستیک وارائه راهکارهای صحیح جهت مقابله با افزایش مطالبات معوق می باشد. بدین منظور از 425 پرونده اعتباری مشتریان حقیقی که طی سال های 6711 6731 تسهیلات دریافت نموده اند؛ با نمونه گیری طبقهبندی تصادفی ساده و روش -انتساب متناسب برای جمعآوری نمونه آماری استفاده شد. در این مطالعه پس از بررسی پرونده های اعتباری هر یک ازنمونه ها، در ابتدا 3 متغیر توضیحی شامل متغیرهای کمی و کیفی شناسایی شده و مورد بررسی قرار گرفت. نتایج این مطالعه نشان می دهد که در بین متغیرهای مرتبط با ویژگی های شخصیتی متقاضی، متغیرهایی نظیر جنسیت و شغل ودر بین متغیرهای مرتبط با ویژگی های تسهیلات اعطایی، متغیرهایی نظیر نرخ سود، نرخ جریمه، تعداد تسهیلات دریافتی، مدت تسهیلات و مبلغ تسهیلات بیشترین اهمیت را در جداسازی مشتریان خوب و بد از هم داشته و اثرمعناداری آن بر متغیر وابسته )احتمال عدم بازپرداخت( به وسیله آزمون های آماری تائید شده است. ملاک مقایسه سه مدل، دقت طبقه بندی مشتریان خوش حساب و بدحساب می باشد. بنابراین دقت هر روش پس از محاسبه در نرم افزار Spss برای مدل رگرسیون لجستیک برابر 1166 %، مدل ساختار درختی برابر 1365 % و برای مدل شبکه عصبی مصنوعی برابر 3.66 % به دست آمد. بنابراین برازش مدل شبکه عصبی مصنوعی در این زمینه کارآمدتر می باشد.
کلیدواژه ها:
نویسندگان
ابراهیم فربدبایزیدی
کارشناس ارشد آمار ریاضی،
محمود محمدی
استادیار دانشگاه آزاد اسلامی واحد تهران مرکز، دانشکده مدیریت،
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 :