شناسایی عوامل تاثیرگذار بر ریسک در سیستم بانکداری با استفاده از تکنیک داده کاوی مطالعه موردی بانک رفاه کارگران
سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 626
فایل این مقاله در 17 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:
- صنعت بانکداری > بانک رفاه
- صنعت بانکداری > بانکداری
- هوش مصنوعی > داده کاوی
- هوش مصنوعی > درخت تصمیم
- هوش مصنوعی > شبکه عصبی
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MABECONF01_004
تاریخ نمایه سازی: 24 شهریور 1397
چکیده مقاله:
شناسایی مشتریان پر مخاطره همواره یکی از دغدغه های بانک ها و موسسات مالی است. مدل های و روش های موثری هستند که برای شناسایی عوامل تاثیرگذار بر ریسک به کار برده می شوند. تعیین میزان ریسک مشتریان با استفاده از این روش ها به موسسات مالی و بانکی کمک میکند تا از بروز ضرر و زیان های مالی ناشی از عدم بازپرداخت اقساط تسهیلات به وسیله مشتریان با ریسک بال، جلوگیری به عمل آورند. این مفاله تلش داشته است تا با استفاده از سه روش تعیین عوامل تاثیرگذار بر ریسک به عنوان روش های داده کاوی به بررسی پارامترهای اولویت در ارایه تسهیلات به مشتریان و مدیریت ریسک اعتباری بپردازد و سپس بر اساس نتایج بدست آمده اقدام به مقایسه این مدل ها بر اساس میزان خطای پیش بینی آنها اقدام کرده است. سه روش داده کاوی استفاده شده در این تحقیق شامل شبکه عصبی مصنوعی، درخت تصمیم گیری و رگرسیون لجستیک است. نرخ طبقه نادرست هر یک از این سه روش نشان داد که، درصد خطای طبقه بندی نادرست مشتریان در روش رگرسیون لجستیک کمتر از درخت تصمیمگیری و شبکه عصبی مصنوعی است. نرخ طبقه بندی نادرست برای سه مدل شبکه عصبی، درخت تصمیم گیری و رگرسیون لجستیک به ترتیب برابر 26.99 درصد، 32.52 درصد و 25.77 درصد است.
کلیدواژه ها:
نویسندگان
اسماعیل حسین خانی
کارشناسی ارشد مهندسی نرم افزار کامپیوتر-دانشگاه آزاد واحد ملایر
سحر حاجی زاده
کارشناسی ارشد مهندسی نرم افزار کامپیوتر-دانشگاه آزاد واحد ملایر
زهرا طورانی
کارشناسی ارشد مهندسی نرم افزار کامپیوتر-دانشگاه آزاد واحد ملایر