ارائه یک چارچوب جدید سیستم امتیاز دهی اعتباری مبتنی بر ماشین بردار پشتیبان جهت مدیریت ریسک اعتباری در بانک ها و موسسات مالی

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,122

This Paper With 14 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:

RSTCONF01_560

تاریخ نمایه سازی: 30 آبان 1394

Abstract:

در سال های اخیر، درراستای اعطای تسهیلات به متقاضیان، رقابت در بازار اعتباری مصرف کنندگان به شدت افزایش یافته است. با رشد سریع در صنعت اعتباری، مدلهای اعتبارسنجی بطور گسترده ای برای ارزیابی پذیرش اعتباری به کار می روند. در واقع اعتبارسنجی مجموعهای از مدلها و تکنیکهای تصمیم گیری است که به وام دهندگان در اعطای اعتبار ازطریق ارزیابی ریسک اعطایتسهیلات به متقاضیان، کمک میکند و حوزهی تحقیقاتی مهمی است که موسسات مالی را در توسعه استراتژیهای وام دهی جهت بهینه سازی منافعشان توانمند میسازد . تسهیلات اعطایی سوخت شده وصول نشدنی یکی از مسائل رو به رشد است که ازطریق استفاده از مدلهای اعتباری دقیقتر میتوان تاحدودی بر این مساله فائق شد . محققان طیف وسیعی از مدلهای آماری سنتی و اخیرا ابزارهای داده کاوی ازجمله درخت تصمیم ، شبکه های عصبی، الگوریتم ژنتیک و... را جهت اعتبارسنجی به کار می برند. از میان این تکنیکها، جدیدترین آنها ماشین بردار پشتیبان است که از متدهای هوش مصنوعی بوده و دارای صحت و عملکرد بالاتری در مقایسهبا روشهای قبلی است . لذا در این تحقیق یک چارچوب اعتبار سنجی جدید با رویکرد داده کاوی مبتنی بر تکنیک ماشین بردار پشتیبان برای جهت مدیریت ریسک در بانک ها و موسسات مالی ارائه شده است

Authors

فرید دانشگر

مدرس دانشگاه پیام نور ، گروه مهندسی کامپیوتر و فناوری اطلاعات ،دانشکده فنی مهندسی دانشگاه پیام نور مرکز ارومیه

وحید حسینی

عضو هیات علمی دانشگاه پیام نور ، کارشناس ارشد مهندسی کامپیونر ، گروه مهندسی کامپیوتر و فناوری اطلاعات ،دانشکده فنی مهندسی، دانشگاه پیام نور

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 :
  • منیری آرش، استفاده از ماشین بردار پشتیبان در از شناسی ...
  • Avci, Engin, "Selecting of the optimal feature subset and kernel ...
  • Bellotti, Tony, Crook, Jonathan, "Support vector machines for credit scoring ...
  • Chen, Weimin, Ma, Chaoqun, Ma, Lin, "Mining the customer credit ...
  • Fatih Akay, Mehmet, "support vector machines combined with feature selection ...
  • Huang, Cheng-Lung, Chen, Mu-Chen, "Credit scoring with a data mining ...
  • Huang, Zan, Chen, Hsinchun, "Credit Rating analysis with support vector ...
  • Min, Sung-Hwan, Lee, Jumin, "Hybrid genetic algorithms and support vector ...
  • Cheng-Lung Huang, Mu-Chen Chen, Chieh-Jen Wang. (2007). Credit scoring with ...
  • Sang, Jun Lee and Keng, Siau, (2001). A review of ...
  • Vapnik, _ and chronneks (1998) _ Statistical learning theory. New ...
  • D.S .V. G.K.Kaladhar, PV.Nagesvara Rao, B.L.V.Ramesh Naidu Rajana, (2010) . ...
  • M.Vasantha, V.Subbiah Bharathy, (20 10), Evaluation of Attribute Selection Methods ...
  • Adel Lahsasna, Raja Noor Ainon, and Teh Ying Wah _ ...
  • Cheng-Lung Huang, Mu-Chen Chen, Chieh-Jen Wang. (2007). Credit scoring with ...
  • نمایش کامل مراجع