رویکردی نوین از کاربرد مدل های تصمیم گیری چند معیاره در طبقه بندی مشتریان اعتباری بانک
Publish place: Modern Research in Decision Making، Vol: 1، Issue: 3
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 48
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SAIM-1-3_003
تاریخ نمایه سازی: 24 آذر 1402
Abstract:
همواره مهم ترین عامل در تعیین وضعیت اعتباری مشتریان، بررسی ریسک اعتباری آن ها بوده است. در گذشته ریسک اعتباری غالبا با قضاوت شهودی تعیین می گردید که در مقایسه با روش های آماری و هوش مصنوعی که اخیرا مورد توجه قرار گرفته اند ازکارایی کمتری برخوردار بوده است. این در حالی است که بکارگیری روش های آماری، مستلزم توزیع مشخص داده ها می باشد و از طرف دیگر استفاده از روش های هوش مصنوعی نیز مستلزم محاسبات پیچیده، هزینه بر بوده و مدل های ارائه شده از آن نیز غیرقابل تفسیر و تحلیل است. از این رو مقاله حاضر سعی دارد با استفاده از رویکرد جدیدی از بکارگیری مدل های تصمیم گیری چند معیاره، ضمن کاهش پیچیدگی محاسبات و عدم نیاز به فرض خاصی برای داده ها، به طبقه بندی مشتریان اعتباری بپردازد. در تحقیق حاضر، رویکرد C-TOPSIS که بر پایه روش TOPSIS می باشد به عنوان رویکردی جدید از کاربرد فنون تصمیم گیری چندمعیاره، برای طبقه بندی مشتریان اعتباری بانک بکارگرفته شد. برای سنجش اعتبار رویکرد جدید C-TOPSIS، عملکرد این مدل با عملکرد مدل کلاسیک رگرسیون لجستیک در تشخیص وضعیت اعتباری مشتریان شعب بانک سینا در فاصله زمانی سال ۱۳۸۸-۱۳۹۲ مورد مقایسه قرار گرفت. نتایج نشان داد که مدل C-TOPSIS با دقت کل ۸/۵۸% عملکرد بهتری در مقایسه با رگرسیون لجستیک با دقت ۴/۵۴% داشته است و خطای نوع اول و دوم در C-TOPSIS نیز به میزان قابل ملاحظه ای نسبت به روش دیگرکاهش یافته است.
Keywords:
Authors
نرجس قاسم نیا عربی
کارشناسی ارشد گروه مدیریت صنعتی، دانشکده علوم اقتصادی و اداری، دانشگاه مازندران، مازندران، ایران
عبدالحمید صفایی قادیکلایی
دانشیار گروه مدیریت صنعتی، دانشکده علوم اقتصادی و اداری، دانشگاه مازندران، مازندران، 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 :