ارائه و ارزیابی روش رتبه بندی برپایه ماشین بردار و پشتیبان فازی برای داده های چندکلاسه

ارزیابی ریسک اعتباری یکی ازمهمترین موضوعات درزمینه مدیریت ریسک مالی می باشد باتوجه به بحران مالی اخیر ارزیابی ریسک اعتباری تمرکز عمده خدمات مالی و صنعت بانکداری شده است به خصوص برای موسسات اعتباری بانکهای تجاری و بانکهای مرکزی توانایی تبعیض قائل شدن بین شرکت ها و بانکهای ورشکسته ازغیرورشکسته بسیارمهم است هدف اصلی این پژوهش بررسی کارایی ماشین بردار پشتیبان دررتبه بندی داده های چندکلاسه و دارای طبقات نامتوازن است نتایج مدل ماشین بردار پشتیبان معمولی را با ماشین بردار پشتیبان فازی با دو تابع کرنل KGPF RBF و درحالت یک درمقابل یک و یک درمقابل بقیه بررسی شده است یافته های تحقیق حاکی است که درپیش بینی رتبه های مالی بانک ها مدل FSVM نسبتبه مدل SVM بطور معنی داری از دقت کلی بیشتری برخوردار است.

کلیدواژه ها:

ماشین بردارپشتیبان ، ماشین بردارپشتیبان فازی ، تابع کرنل ، داده های نامتعادل ، رتبه بندی اعتباری ، یک درمقابل یک ، یک درمقابل بقیه