به کارگیری ماشین بردار پشتیبان حداقل مربعات وزندار در ارزیابی ریسک اعتباری مشتریان

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 517

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IIEC12_005

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

بانکها و موسسات مالی اعتباری به عنوان بخش اصلی نظام مالی، نقش مهمی در تامین مالی بخشهای مختلف اقتصادی بر عهده دارند. ریسک اعتباری یکی از مهمترین ریسکهایی است که این موسسات را تحت تأثیر قرار میدهد چرا که نکول تعهدات تعداد کمی از مشتریان میتواند زیانهای زیادی را به یک سازمان واردسازد. یکی از موثرترین ابزارها در ارزیابی ریسک اعتباری، استفاده از ماشین بردار پشتیبان است. در این مقاله ما از یک رویکرد ترکیبی شامل الگوریتم خوشهبندی و روش ماشین بردار پشتیبان حداقل مربعات وزندار استفاده میکنیم. رویکرد بر این اساس است که در ابتدا مشتریان را خوشهبندی کرده وسپس برای حل مدل ماشین بردار پشتیبان از روش حداقل مربعات، برای تنظیم پارامترهای مدل از روش جستجوی شبکه و همچنین برای نشان دادن تفاوتاهمیت کلاسها از فاکتور ضریب جریمه استفاده میکنیم. نتایج نشان میدهد که خوشهبندی دادهها و وزندار کردن کلاسها نرخ صحت را بهبود میدهد.

نویسندگان

ندا خوشرو

دانشجوی کارشناسی ارشد مهندسی صنایع، دانشگاه فردوسی مشهد، مشهد

حمیدرضا کوشا

استادیار گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد

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 :
  • Harris, T., Credit scoring using the clustered support vector machine ...
  • Xu, X., C. Zhou, and . Wang, Credit scoring algorithm ...
  • Huang, C.-L, M.-C. Chen, and C.-J. Wang, Credit scoring with ...
  • Hand, D.J. and W.E. Henley, Statistical classification methods in consumef ...
  • Kiss, F., Credit scoring processes from _ knowledge Management perspective. ...
  • Beaver, W.H., Financial ratios as predictors of failure. Journal of ...
  • Altman, E.I., Financial ratios, discriminant analysis and the prediction of ...
  • Grice, J.S. and R.W. Ingram, Tests of the generalizability of ...
  • Allen, J.C., A promise of approvals in minutes, not hours. ...
  • Treacy, W.F. and M. Carey, Credit risk rating systems at ...
  • West, D., Neural network credi scoring models. Computers & Operations ...
  • Chen, W., et al., Credit risk Evaluation by hybrid data ...
  • Yu, L., et al., Credit risk evaluation using a weighted ...
  • Piramuthu, S., On preprocessing data for financial credit risk evaluation. ...
  • Martens, D., et al., C omprehensible credit scoring models using ...
  • Hsieh, N.-C., Hybrid mining approach in the design of credit ...
  • Chen, W., C. Ma, and L. Ma, Mining the customer ...
  • Suykens, J.A. and J. Vandewalle, Least squares support vector machine ...
  • Tsai, M.-C., et al., The consumer loan default predicting model-An ...
  • Baesens, B., et al., Benchmarking state-of-the-ar classification algorithms for credit ...
  • ICIE (2016) 72, 20 71, 00 75, 70 77, 10 ...
  • نمایش کامل مراجع