تحلیل ریسک تسهیلات اعتباری در بانک ها با استفاده از الگوریتم های طبقه بندی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 468

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC04_121

تاریخ نمایه سازی: 18 تیر 1396

چکیده مقاله:

از آنجا که اعطای تسهیلات اعتباری توسط بانک ها با مشکلات متعددی مانند ریسک اعتباری مشتریان مواجه شده است، برای بانک هاضروری است تا از سیستم ها ی پیچیده تری جهت تایید مشتریان استفاده نمایند. هدف این مقاله طبقه بندی مشتریان بانک هایی ا ست کهپیش ازین تسهیلات اعتباری دریافت کرده اند. در این تحقیق فرآیند داده کاوی بر روی داده های اعتباری مشتریان که درس سیستم اطلاعاتیبانک در درسترس است انجام پذیرفت. در ابتدا، داده های مورد نیاز جمع آوری شده و عملیات پیش پردازش بر روی آنها صورت پذیرفت.سپس تکنیک های طبقه بندی از جمله رگرسیون لجستیک، درخت تصمیم 4.5 C و ماشین بردار پشتیبانی با سه روش مختلف، شامل:1) طبقه بندی بدون انتخاب ویژگی ها و خوشه بندی. 2) طبقه بندی بر اساس الگوریتم انتخاب ویژگی ها 3) طبقه بندی بر اساس خوشهبندی اطلاعات؛ بر روی داده های پیش پردازش شده اعمال شد و نتایج حاصل مورد قیاس قرار گرفت. نتایج نشان می دهد که روش طبقهبندی بر اساس خوشه بندی، از دقت بالاتری در پیش بینی ریسک اعتباردر مقایسه با سایر روشهای آزمایش شده برخوردار است.

نویسندگان

سیدمحمدصادق دشتی

دکترای مهندسی نرمافزار، دانشگاه آزاد اسلامی واحد کرمان

عمید خطیبی بردسیری

عضو هیات علمی، دانشگاه آزاد اسلامی واحد بردسیر

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 :
  • L. C. Thomas, _ survey of credit and behaviorl scoring: ...
  • A. K. Reichert, C. C. Cho, and G. M. Wagner, ...
  • B. Baesens, R. Setiono, C. Mues, and J. Vanthienen, "Using ...
  • L. C. Thomas, _ Methodologie _ for classifying applicants for ...
  • D. West, "Neural network credt scoring models, " Computers and ...
  • Y. Yang, "Adaptive credit scoring with kermel learning methods, " ...
  • W. E. Henley, and D. J. Hand, _ k-neare st-neighbour ...
  • V. S. Desai, J. N. Crook, and G. A. Overstreet, ...
  • R. Malhotra, and D. K. Malhotra, ، D ifferentiating between ...
  • C. S. Ong, J. J. Huang, and G. H. Tzeng, ...
  • R. H. Davis, D. B. Edelman, and A. J. Gammerman, ...
  • K. B. Schebesch, and R. Stecking, "Support vector machines for ...
  • T. S. Lee, and I. F. Chen, _ two-stage hybrid ...
  • T. S. Lee, C. C. Chiu, C. J. Lu, and ...
  • T. S. Lee, C. C. Chiu, Y. C. Chou, and ...
  • L. Yu, S. Wang, and K. K. Lai, _ intelligent- ...
  • C. S. Ong, J. J. Huang, and G. H. Tzeng, ...
  • L. Nanni, and A. Lumini, _ experimental comparison of ensemble ...
  • C. L. Huang, M. C. Chen, and C. J. Wang, ...
  • systems with applications, Vol. 33, No.4, 2007, pp. 847-856. ...
  • H. Sabzevari, M. Soleymani, and E. Noorbakhsh, _ comparison between ...
  • R. C. Crook, Decen tralisation and Good Governance. 2003. ...
  • A. M. Hormozi, and S. Giles, "Data mining: A competitive ...
  • N. C. Hsieh, and L. P. Hung, _ data driven ...
  • M. Sustersic, D. Mramor, and J. Zupan, "Consumer credit scoring ...
  • Fernandez, Alberto, Salvador Garca, Julian Luengo, Ester Bernado -Mansilla, and ...
  • F. J. Martinez- Lopez, and J. Casillas, "Marketing Intelligent Systems ...
  • H. A. Bekhet, and S. F. K. Eletter, _ risk ...
  • T. Verbraken, C. Bravo, R. Weber, and B. Baesens, "Development ...
  • J. H. Friedman, "Recent advances in predictive (machine) learning, " ...
  • T. Hill, and P. Lewicki, "Statistics methods and applications: a ...
  • S. Piramuthu, "Evaluating feature selection methods for learning in data ...
  • نمایش کامل مراجع