ارزیابی اعتباری مشتریان حقوقی دریافت تسهیلات کوتاه مدت با استفاده از سیستم استدلال عصبی- فازی تطبیقی- مورد مطالعاتی : بانک صنعت و معدن

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,163

This Paper With 7 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

IIEC10_164

تاریخ نمایه سازی: 10 شهریور 1393

Abstract:

امروزه در صنعت بانکداری وام ها نقش اساسی دارند. با افزایش تعداد درخواست های تسهیلات و با توجه به ریسک موجود در این فعالیتها، ارائه روشی برای مدیریت این وامها و کنترل ریسک اعتباری ضروری است. هرچند تا به حال روشهای آماری مختلفی در زمینه رتبه بندی اعتباری توسعه یافته اند اما شبکه های عصبی به دلیل انعطاف پذیری و دقت بالا، در سال های اخیر بیشتر مورد توجه قرار گرفته اند. در این پژوهش یک نمونه تصادفی 433 تایی از مشتریان حقوقی که در فاصله زمانی بین سال های 1388 تا1391 از شعب بانک صنعت و معدن در سطح کشور اقدام به دریافت تسهیلات نموده اند، انتخاب شده است. سیستم استدالال عصبی-فازی تطبیقی (ANFIS) در نرم افزار MATLAB براساس نمونه 368 تایی از مشتریان که به عنوان داده های آموزش استفاده شده، طراحی شده است. ورودی سامانهANFIS ، 3 متغیری است که اثر معناداری بر ریسک اعتباری دارند و خروجی سامانه موفقیت یا شکست در اعطای تسهیلات به هر مشتری می باشد. معناداری متغیرها با محاسبه ضرایب همبستگی اتا و کرامر توسط نرم افزار SPSS نسبت به متغیر خروجی که همان احتمال نکول مشتری است، بررسی شده است. با رسم نمودار درجه حساسیت و درجه تشخیص، حد آستانه بهینه برابر 0.38 برآورد گردید. بر این اساس و با استفاده از داده های شاهد، صحت مدل مورد آزمایش قرار گرفته است که مدل ارائه شده با دقت 87.69% وضعیت اعتباری مشتریان را پیش بینی می کند.

Keywords:

ریسک اعتباری , ارزیابی اعتباری , سیستم استدلال عصبی – فازی تطبیقی(ANFIS)

Authors

وحید برادران

استادیار، گروه مهندسی صنایع، دانشگاه آزاد اسلامی واحد تهران شمال

فروزنده سیف الدین پور

دانشجوی کارشناسی ارشد مهندسی صنایع، دانشگاه آزاد اسلامی واحد زاهدان

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 :