ارائه ی یک چارچوب بهینه به منظور افزایش دقت مدل های داده کاوی

بانک ها یکی از ارکان اصلی نهادهای مالی در هر اقتصادی محسوب می شوند که در سال های اخیر با توجه به رشد چشمگیر بازارها و نهادهای مالی، نقش آنها روز به روز بیشتر می شود . با گسترش دامنه فعالیت بانک ها در کشورهای مختلف نقش مدیران و کارشناسان باتجربه و آشنا با علوم جدید بانکداری بیشتر مشخص می شود. یکی از تکنیک های مطرح در دو دهه اخیر بانکداری، در جهت حفظ مشتریان، استفاده از ابزار داده کاوی برای تحلیل بهتر مشتریان و شناسایی نیاز های بالفعل و بالقوه آنهاست. امروزه اغلب بان که ا و موسسات مالی و اعتباری که به نوعی درگیر اعطای اعتبار هستند، معمولا یکی از روش های موجود را براساس شرایط خود و جامعه پیرامون جهت رتبه بندی اعتباری مورد استفاده قرار می دهند، اکثر الگوهای کمی ریسک اعتباری چارچوب معنایی مشابهی دارند اما اختلافاتی را که در اجرای این مدل ها وجود دارد، ناشی از طریقه براورد پارامتر های اصلی از اطلاعات در دسترس می باشد. در این تحقیق سعی شده با بررسی برخی تکنیک های داده کاوی جهت رتبه بندی ریسک اعتباری مشتریان در بانک و موسسات مالی، و ساخت مدل های مربوط به هر یک از آنها، بهترین مدل (مدلی که میزان صحت آن از همه بیشتر باشد) را تعیین کرده و در نهایت با ارائه یک چارچوب بهینه میزان دقت صحت مدل برتر را ارتقا دهیم.

ارائه ی یک چارچوب بهینه به منظور افزایش دقت مدل های داده کاوی Keywords:

ریسک اعتباری , اعتبارسنجی , داده کاوی , Stacking , logistic , شبکه های عصبی , k نزدیکترین همسایه , ماشین بردار پشتیبان ( SVM)