ارائه طبقه بند ترکیبی جدید جهت تعیین ریسک مشتریان بانک ها
Publish place: First National Conference on Electrical and Computer Engineering Distributed Systems and Smart Grids
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 948
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- 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:
ELECONFK01_016
تاریخ نمایه سازی: 16 خرداد 1394
Abstract:
با توجه به وجود متقاضیان تسهیلات بانکی و کارت های اعتباری ، بانک ها نیاز به تصمیم گیری در مورد ارائه ی تسهیلات به یک مشتری و تحلیل ریسک سرمایه گذاری خودروی مشتریان را دارند. اصطلاحا به چنین تصمیم گیری هایی در خصوص اعطای اعتبار به یک فرد از جمله وام، کارت اعتباری و ... اعتبار سنجی و یا پیش بینی ریسک اعتباری گفته می شود. عملیات تعیین ریسک یا اعتبار سنجی به فاکتورهایی از جمله اطلاعات فردی مشتری و سابقه مالی وی بستگی دارد. باید خاطر نشان کرد که بسیاری ز بانک ها فرایند تحلیل ریسک به صورت دستی ، بسیار زمانگیر خواهد بود. بنابراین می توان گفت که عملیات پیش بینی ریسک اعتباری در چنین بانک هایی سلیقه ای بوده و سیاست مشخصی برای آن وجود ندارد . از این رو لزوم اعتبار سنجی و تحلیل ریسک خودکار اهمیت دارد . در این مقاله روش ترکیبی جدید بر پایه ماشین یادگیر حداکثر (Extreme Leatning Machine) جهت تعیین ریسک اعتباری مشریان بانک ها ارائه گردیده است، که در مقایسه با روش دیگر توانسته نتیجه مطلوبی را کسب نماید .
Keywords:
Authors
مجید تفاهمی
دانشجوی کارشناسی ارشد دانشگاه بین المللی امام رضا (ع)
عادل قاضی خانی
عضو هیات علمی دانشگاه بین المللی امام رضا(ع) ، دانشکده فنی و مهندسی
علیرضا روحانی منش
عضو هیئت علمی دانشگاه نیشابور، دانشکده فنی و مهندسی
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 :