ارائه روشی جهت اعتبارسنجی مشتریان بانکی با استفاده از تکنیک های داده کاوی
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,177
This Paper With 18 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:
شناسه ملی سند علمی:
ITCC01_045
تاریخ نمایه سازی: 9 فروردین 1395
Abstract:
امروزه درصنعت بانکداری وام ها نقش اساسی دارند ، به طوریکه بخش زیادی از دارایی های یک بانک از وام هایپرداخت شده به افراد و شرکتها تشکیل می شود ودرنتیجه باافزایش تعداد درخواست های وام از سوی افراد و باتوجه بهریسک موجود دراین فعالیت ها، ارائه روشی برای مدیریت این وام ها ضروری است . اگربانک ها و موسسات مالی قبلاز اعطای تسهیلات ،اعتبارسنجی متقاضیان دریافت تسهیلات رابه درستی انجام دهند ورتبه بندی اعتباری ما درست باشدوتسهیلات به درستی پرداخت شود ،قطعا هزینه های اعطای تسهیلات کمتر خواهد بود درمقایسه بازمانی که معوق شودوبخواهیم مطالبات را وصول کنیم . اگر اعتبارسنجی مشتریان انجام نشود و نظارت وکنترل وجود نداشته باشد ، منابع بههدر می رود .یکی از دلایل اصلی افزایش مطالبات معوق بانکی ناشی از فقدان اعتبارسنجی کامل ورتبه بندی مشتریان دربانکهای ایران با هدف شفافیت ورقابت در نظام بانکی میباشد . بنابراین اگر یک سیستم اعتباردهی درست وجود داشتهباشد میزان مطالبات معوق کاهش یافته وفرایند اعطای تسهیلات سریع تر میشود وهمچنین ریسک اعتباری و هزینه هایبانک به مقدار قابل توجهی کاهش پیدا می کند .تکنیکهای داده کاوی بسیاری جهت پیش بینی و اعتبارسنجی مشتریانبانکی وجود داردکه هریک از آنها رامیتوان با توجه به داده ها وکارایی مورد نظر انتخاب کرد.اما این تکنیک ها ازنظردقتدارای خطاهستندواین امرباعث کاهش کارایی برخی ازآنهاشده است دراین مقاله با استفاده از رگرسیون لاجیت مدلیقابل اجرا برای اعتبارسنجی مشتریان پیشنهاد شده است امید است مثمر ثمر واقع گردد .
Keywords:
Authors
فاطمه صادقی لاغره
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد الکترونیکی، گروه کامپیوتر، تهران، ایران
سیدجواد میرعابدینی
عضوهیت علمی دانشگاه آزاد اسلامی واحد تهران مرکزی
علی هارون آبادی
عضوهیت علمی دانشگاه آزاد اسلامی واحد تهران مرکزی
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 :