رتبه بندی اعتباری مشتریان حقیقی در بانک های تجاری با رویکرد هوش مصنوعی
رتبه بندی اعتباری مشتریان حقیقی در بانک های تجاری با رویکرد هوش مصنوعی
مهدی روح الامینی1 مجید ششمانی2 مهدی خرم3
1) کارشناس ارشد MBA دانشگاه سمنان، سمنان، ایران -
2) کارشناس ارشد مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران -
3) کارشناس ارشد مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران -
کد IOI مقاله
:
XYBC-ZKBDZ
محل انتشار :
دومین کنفرانس بین المللی پژوهش های نوین در مدیریت، اقتصاد و حسابداری(2meaconf.com)
چکیده :
مقررات کمیته بال، افزایش روزافزون تقاضا برای وام و رقابت شدید در بازارهای مالی، باعث افزایش توجهات به موضوع حساس نکول وام ها برای آن دسته از موسساتی است که به مشتریانی که احتمال قصور آنها بیشتر است وام اعطا می کنند. در سال های پیش، مدل های شبکه عصبی به خوبی در حوزه مالی به کار گرفته می شدند. شبکه عصبی پرسپترون چندلایه از جمله شبکه های عصبی مصنوعی می باشند که برای طبقه بندی و پیش بینی استفاده می شوند.. در این تحقیق از شبکه عصبی برای پیش بینی نکول مشتریان حقیقی بانک مسکن استفاده گردید. همچنین از الگوریتم کلونی مورچه جهت انتخاب ویژگی استفاده شده است.از جمله متغیرهای مورد استفاده در این تحقیق می توان به متغیر سن، وضعیت تاهل، تعداد فرزندان،تحصیلات، شغل، میزان درآمد و ... اشاره کرد. در نهایت نتایج بدست آمده حاکی از آن بود که مدل شبکه عصبی با انتخاب ویژگی عملکردی دقیقتری در پیش بینی نکول درخواست کنندگان وام در مقایسه با مدل شبکه عصبی با انتخاب تمام ویژگی دارد.
کلمات کلیدی : وامهای بانکی پیش بینی نکول شبکه عصبی مصنوعی پرسپترون چندلایه الگوریتم کلونی مورچه