مقایسه عملکرد مدل های کلاسیک و هوش مصنوعی در پیش بینی وضعیت اعتباری مشتریان بانک

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 860

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ECMECONF02_061

تاریخ نمایه سازی: 31 تیر 1398

چکیده مقاله:

در حال حاضر در نظام بانکداری، عدم بازپرداخت تسهیلات به یکی از بزرگ ترین مسائل تبدیل شدهاست و به دلیل عدم وجود یک سیستم مناسب برای تخصیص تسهیلات، بانک ها و موسسات مالی دچار مشکلات عدیده ای از جمله افزایش حجم مطالبات معوق شده اند .نظر به اهمیت ریسک اعتباری، بانک های تجاری در سطح دنیا در گذشته اغلب از روش قضاوتی برای تعیین ریسک استفاده می نمودند، لکن استفاده از این روش ها با توجه به توان محدود انسان ها در تحلیل هم زمان فاکتورهای مختلف موثر بر ریسک اعتباری در مقایسه با روش های آماری و هم چنین روش های هوش مصنوعی از کارایی کمتری برخوردار است . به همین منظور این تحقیق درصدد است تا کارایی مدل رگرسیون لجستیک و شبکه عصبی مصنوعی را در 1392 بسنجد . تشخیص وضعیت اعتباری مشتریان بانک در فاصله زمانی سال 1388 بررسی نتایج نشان داد که دقت کل مدل شبکه عصبی در داده های آموزش 87٪ و رگرسیون 77 /2 ٪ لجستیک تعیین شده است و خطای نوع اول و دوم در شبکه عصبی به میزان قابل ملاحظه ای نسبت به روش دیگر کاهش یافته است . با توجه به نتایج نمی توان انتظار داشت مدل های آماری با مفروضات کلاسیک نظیر خطی بودن روابط متغیرها، بتوانند ریسک اعتباری مشتریان را به درستی ارزیابی نماید؛ از این رو بکارگیری یا تلفیق تکنیک های هوش مصنوعی در این مساله ضرورتا توصیه می شود.

نویسندگان

حامد فرجی آیگانی

دانشجوی کارشناسی مهندسی فناوری اطلاعات دانشگاه علمی کاربردی خانه کارگر کرج

سعید مرتضوی

دانشجوی کارشناسی مهندسی فناوری اطلاعات دانشگاه علمی کاربردی خانه کارگر کرج