رتبه بندی اعتباری مشتریان بانک به کمک روش جدید گروهی بر پایه ماشین بردار پشتیبان: مطالعه موردی بانک پاسارگاد
Publish place: Soft Computing Journal، Vol: 10، Issue: 2
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 180
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SCJKA-10-2_001
تاریخ نمایه سازی: 26 فروردین 1402
Abstract:
در سال های اخیر موضوع رتبه بندی اعتباری و شناسایی مشتریان خوش حساب و بدحساب، بسیار مورد توجه بانک ها قرار گرفته است. اعطای تسهیلات به مشتریان خوش حساب و اجتناب از اعطای تسهیلات به مشتریان بدحساب که منجر به کاهش معوقات بانکی می شود، همواره یکی از دغدغه های مهم مدیران بانک ها است که این مهم به کمک استقرار نظام رتبه بندی اعتباری کارآمد و خوب دور از دسترس نیست. در این مقاله، مدل گروهی جدیدی بر مبنای الگوریتم ماشین بردار پشتیبان برای رتبه بندی اعتباری مشتریان بانک ارائه می شود. ابتدا به روش بوت استرپ، مجموعه داده ها به چندین زیرمجموعه تقسیم می شود. سپس الگوریتم ماشین بردار پشتیبان بر روی هر زیرمجموعه اعمال و چندین مدل تشکیل می شود. در انتها بین مدل ها رای گیری انجام و مدل نهایی به دست می آید. به منظور نمایش دقت مدل گروهی، داده های ۲۲۱۸ مشتری بانک پاسارگاد شامل ۱۴ ویژگی توضیح دهنده به کمک روش گروهی پیشنهادی مورد ارزیابی قرار گرفتند. بر اساس معیارهای مختلف، نتایج بدست آمده بر روی داده های بانک پاسارگاد، برتری روش ماشین بردار پشتیبان گروهی بر روش معمولی ماشین بردار پشتیبان و روش جنگل تصادفی تایید می شود. خطای نوع دوم یعنی خطای شناسایی مشتریان بدحساب به عنوان خوش حساب در روش گروهی پیشنهادی با هسته خطی ۱۷ درصد کمتر از روش معمولی ماشین بردار پشتیبان و ۱۸ درصد کمتر از روش جنگل تصادفی است.
Keywords:
Authors
مجید ابتیاع
دانشکده علوم پایه، دانشگاه آیت الله العظمی بروجردی، بروجرد، ایران
سیدمحمد حسینی
دانشکده علوم پایه، دانشگاه آیت الله العظمی بروجردی، بروجرد، ایران
رامین خوچیانی
دانشکده علوم انسانی، دانشگاه آیت الله العظمی بروجردی، بروجرد، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :