کاربرد روش های داده کاوی در مدیریت ریسک های بانکی
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 448
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:
IFACONF04_004
تاریخ نمایه سازی: 14 تیر 1402
Abstract:
هدف: هوش مصنوعی و یادگیری ماشین تاثیر فزاینده ای بر بخش مالی و همچنین بر اقتصاد دارد. تاثیر هوش مصنوعی و یادگیری ماشین بر مدیریت ریسک مالی پس از بحران مالی جهانی بسیار بیشتر شد. تمرکز پژوهش بر هوش مصنوعی و پتانسیل یادگیری ماشین برای بهبود مدیریت ریسک بانکی است. هدف از این مطالعه بررسی هوش مصنوعی و یادگیری ماشین در مدیریت ریسک های بانکی است. در این راستا تاکید مطالعه بر ابعاد هوش مصنوعی و یادگیری ماشین در انواع ریسک های بانکی است. نتایج این مطالعه می تواند برای مدیران ریسک بانکی و پژوهشگران این حوزه مفید باشد و مورد استفاده قرار گیرد.روش: در این پژوهش مروری بر پژوهش های صورت گرفته در حوزه ریسک های بانکی با استفاده از هوش مصنوعی و یادگیری ماشین است. در این خصوص با استفاده از مطالعات پژوهش های صورت گرفته و بررسی پیشینه پژوهش به شناسایی مهم ترین روش های مورد استفاده در مدیریت ریسک های بانکی پرداخته شده است.یافته ها و نتیجه گیری: باتوجه به بررسی پژوهش های صورت گرفته، مشخص شد بیشترین استفاده از روش های داده کاوی در مدیریت ریسک اعتباری است. در پژوهش های بررسی شده مشخص شد از روش های ماشین بردار پشتیبان (SVM)، شبکه بیزی (NN) و درخت تصمیم (DT) است.
Keywords:
Authors
حامد نادری
دانشجوی دکتری مهندسی صنایع، گروه مهندسی صنایع، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، تهران،ایران
مائده خضریان
دانشجوی کارشناسی ارشد مهندسی مالی، گروه مدیریت سیستم و بهره وری، دانشکده مهندسی صنایع و سیستم ها، دانشگاهتربیت مدرس، تهران، ایران
محمدعلی رستگار
استادیار، گروه مدیریت سیستم و بهره وری، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، تهران، ایران