پیش بینی ریسک اعتبار با دسته بندی میزان تاخیر در بازپرداخت وام در پلتفرم های وام دهی همتابه همتا

انسان ها برای بهبود کیفیت زندگی و شرکت ها به منظور توسعه اقتصادی و افزایش قدرت رقابتی به منابع مالی نیاز دارند. دریافت وام یکی از شیوه های رایج تامین مالی است. وام دهی همتابه همتا که به عنوان «وام دهی بازار» و «وام دهی اجتماعی» نیز شناخته می شود، نوع جدیدی از واسطه گری میان وام دهندگان و وام گیرندگان می باشد که نقش موسسات مالی (نظیر بانک ها) را به عنوان واسطه از بین می برد و به موجودیت ها (افراد یا کسب وکارها) این امکان را می دهد که مستقیما از سایر موجودیت ها وام دریافت کنند. در این مطالعه ابتدا برای افزایش رضایت وام دهندگان، مدل یادگیری ماشین قدرتمند و تفسیرپذیری برای پیش بینی ریسک عدم پرداخت وام گیرندگان ارائه شده و سپس برای کمک به وام گیرندگان جهت بهبود امتیاز اعتباری تخصیص داده شده و تغییر آینده مورد انتظار، از توضیحات خلاف واقع استفاده شده است. قدرت غربال گری این مدل نسبت به سایر مدل های موجود در ادبیات به کمک مجموعه داده پلتفرم «لندیگ کلاب» به عنوان مطالعه موردی بررسی شد. نتایج نشان می شود مدل ارائه شده هم در حالت دو کلاسه قدرت غربال گری بالایی دارد و هم در حالت چهار کلاسه می تواند منجر به هزینه های کمتری شود.

Keywords:

وام دهی همتابه همتا , ارزیابی اعتبار , یادگیری ماشینی با نظارت , توضیحات خلاف واقع