پیش بینی سوددهی بانک با استفاده از الگوریتم های خوشه بندی

درعصر جهانی شدن و فشرده شدن رقابت ها، سازمان ها در حال تلاش در جهت کسب مزیت رقابتی نسبت به سایر رقبای خودهستند و بخش بانکداری هم از این امر مستثنی نبوده است. در سال های اخیر توانایی تولید، جذب و ذخیره داده ها در انبار داده ها و پایگاه داده ها پیشرفت چشمگیری داشته است، اما این داده ها زمانی ارزشمند هستند، که به اطلاعات و دانش با معنیتبدیل شوند، و بتوان الگوهای پنهان را از میان آن ها استخراج کرد. در این میان داده کاوی به یک ابزار رقابتی و استراتژیک تبدیل شده است. زیرا می تواند روابط ناشناخته و الگوهای پنهان را در میان داده ها کشف کند. خوشه بندی و دسته بندی ازمهمترین الگوریتم های داده کاوی هستند و کاربرد بسیاری در کشف دانش دارند با توجه به اینکه هدف اصلی هر بانک یا واحد اقتصادی بالابردن ارزشش بااستفاده از بالا بردن سود آن می باشد هدف از انجام این پژوهش پیش بینی سوددهی شعب بانکبااستفاده از الگوریتم خوشه بندی می باشد که دو الگوریتم خوشه بندی فازی و شبکه عصبی برای خوشه بندی شعب استفاده شده و در مرحله بعد نتایج با هم مقایسه و بهترین الگوریتم مشخص شده است . در این پژوهش, اطلاعات مالی 5 ساله شعببانک مهراقتصاد مورد ارزیابی قرار گرفته است که نتایج حاصل از این پژوهش نشان می دهد میانگین دقت شبکه عصبی در پیش بینی سوددهی یا زیان دهی شعبه های این بانک بهتر و دارای حداقل 33,77 % بهبود است.

کلیدواژه ها:

داده کاوی ، خوشه بندی فازی ، شبکه عصبی ، بانکداری