ارائه مدل تامین مالی هوشمند بانکی به SMEها با استفاده از الگوریتم های داده کاوی
Publish Year: 1405
نوع سند: مقاله ژورنالی
زبان: Persian
View: 61
This Paper With 33 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JNABM-7-2_003
تاریخ نمایه سازی: 16 تیر 1405
Abstract:
پژوهش حاضر با هدف بهینه سازی فرآیند تامین مالی بانکی کسب وکارهای کوچک و متوسط (SME ها) با بهره گیری از الگوریتم های داده کاوی و هوش مصنوعی انجام شده است. در عصر حاضر، SME ها نقش حیاتی در پویایی اقتصاد ایفا می کنند، اما دسترسی به منابع مالی کارآمد، چالش اساسی آن ها محسوب می شود. روش های سنتی تامین مالی بانکی به دلیل فرآیندهای زمان بر و ارزیابی های ناکافی ریسک، پاسخگوی نیازهای پویای SME ها نیستند. این پژوهش از نوع کاربردی با رویکرد آمیخته (کیفی-کمی) و استراتژی تلفیقی بوده و با هدف ارائه یک مدل هوشمند و کارآمد جهت تسهیل دسترسی SME ها به منابع مالی و کاهش ریسک اعتباری بانک ها انجام پذیرفته است. در بخش کیفی، از روش فراترکیب برای استخراج ویژگی های کلیدی موثر بر تامین مالی SME ها استفاده شده و در بخش کمی، با تحلیل داده های واقعی اعطای اعتبار بانک تجارت به ۱۰۷۳ SME در بازه زمانی پنج ساله، به مدل سازی با الگوریتم های یادگیری ماشین (رگرسیون خطی، درخت تصمیم گیری، k-نزدیک ترین همسایه، ماشین بردار پشتیبان و شبکه های عصبی مصنوعی) پرداخته شده است.نتایج بخش کیفی منجر به شناسایی چهار بعد اصلی موثر بر تامین مالی SME ها شامل: مشخصات کسب وکار، استراتژی کسب وکار، وضعیت مالی و اعتباری و عوامل خارجی گردید. در بخش کمی، الگوریتم های مختلف با استفاده از این ویژگی ها و دسته های ترکیبی آن ها مورد ارزیابی قرار گرفتند. یافته ها نشان داد که الگوریتم شبکه های عصبی مصنوعی (ANN) با استفاده از تمامی ویژگی های استخراج شده، بالاترین دقت (۹۵.۷۵%) و پایداری را در پیش بینی موفقیت تامین مالی SME ها دارا می باشد. همچنین، ویژگی های وضعیت مالی و اعتباری کسب وکار به عنوان مهم ترین دسته از ویژگی ها در فرآیند تصمیم گیری تامین مالی شناسایی شدند. مدل مفهومی نهایی پژوهش، بر پایه این یافته ها، اهمیت نسبی دسته های مختلف ویژگی ها را در تصمیم گیری بانک تجارت برای تامین مالی SME ها تبیین می نماید. این پژوهش به طور قاطع، کارایی و اثربخشی الگوریتم های یادگیری ماشین، به ویژه شبکه های عصبی مصنوعی، را در بهینه سازی فرآیند تامین مالی بانکی SME ها به اثبات رسانده و پتانسیل آن ها را در بهبود فرآیندهای اعتبارسنجی، کاهش ریسک های اعتباری، تسهیل دسترسی SME ها به منابع مالی و افزایش کارایی و کاهش هزینه های بانک ها نشان می دهد.
Keywords:
تامین مالی کسب وکارهای کوچک و متوسط , هوش مصنوعی , یادگیری ماشین , داده کاوی , فراترکیب , اعتبارسنجی هوشمند
Authors
سید محمدصادق میلانی
دکتری مدیریت بازرگانی، دانشگاه تهران، تهران، ایران.
عزت اله عباسیان
استاد تمام دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.
ابراهیم نصیر الاسلامی
استادیار گروه آمار دانشکده علوم پایه، دانشگاه بوعلی سینا، همدان، 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 :
