CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

رتبه بندی اعتباری مشتریان حقیقی در بانکهای تجاری با رویکرد هوش مصنوعی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۶ | تعداد نمایش خلاصه: ۱۳۸ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: MRMEA02_315
زبان مقاله: فارسی
حجم فایل: ۶۴۳.۷۵ کیلوبایت (فایل این مقاله در ۱۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۶ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۶ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله رتبه بندی اعتباری مشتریان حقیقی در بانکهای تجاری با رویکرد هوش مصنوعی

  مهدی روح الامینی - کارشناس ارشد MBA دانشگاه سمنان، سمنان، ایران
  مجید ششمانی - کارشناس ارشد مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
  مهدی خرم - کارشناس ارشد مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

چکیده مقاله:

مقررات کمیته بال، افزایش روزافزون تقاضا برای وام و رقابت شدید در بازارهای مالی، باعث افزایش توجهات به موضوع حساس نکول وامها برای آن دسته از موسساتی است که به مشتریانی که احتمال قصور آنها بیشتر است وام اعطا میکنند. در سالهای پیش، مدلهای شبکه عصبی به خوبی در حوزه مالی به کار گرفته میشدند. شبکه عصبی پرسپترون چندلایه از جمله شبکههای عصبی مصنوعی میباشند که برای طبقهبندی و پیشبینیاستفاده میشوند.. در این تحقیق از شبکه عصبی برای پیش بینی نکول مشتریان حقیقی بانک مسکن استفاده گردید. همچنین از الگوریتم کلونی مورچه جهت انتخاب ویژگی استفاده شده است.از جمله متغیرهای مورداستفاده در این تحقیق می توان به متغیر سن، وضعیت تاهل، تعداد فرزندان،تحصیلات، شغل، میزان درآمد و ... اشاره کرد. در نهایت نتایج بدست آمده حاکی از آن بود که مدل شبکه عصبی با انتخاب ویژگی عملکردی دقیقتری در پیشبینی نکول درخواست کنندگان وام در مقایسه با مدل شبکه عصبی با انتخاب تمام ویژگی دارد.

کلیدواژه‌ها:

وامهای بانکی، پیش بینی نکول، شبکه عصبی مصنوعی، پرسپترون چندلایه، الگوریتم کلونی مورچه

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-MRMEA02-MRMEA02_315.html
کد COI مقاله: MRMEA02_315

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
روح الامینی, مهدی؛ مجید ششمانی و مهدی خرم، ۱۳۹۴، رتبه بندی اعتباری مشتریان حقیقی در بانکهای تجاری با رویکرد هوش مصنوعی، دومین کنفرانس بین المللی پژوهش های نوین در مدیریت، اقتصاد و حسابداری، کوالالامپور-مالزی، موسسه سرآمد کارین، https://www.civilica.com/Paper-MRMEA02-MRMEA02_315.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (روح الامینی, مهدی؛ مجید ششمانی و مهدی خرم، ۱۳۹۴)
برای بار دوم به بعد: (روح الامینی؛ ششمانی و خرم، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :

  • Angelini, E., di Tollo, G., & Roli, A. (2008). A ...
  • Comitato di Basilea per la vigilanza bancaria. (2004). International convergence ...
  • Basel Committee. (2010). Basel III: A global regulatory framework for ...
  • Hu, Y. H., & Hwang, J. N. (Eds.). (2001). Handbook ...
  • Khashman, A. (2011). Credit risk evaluation using neural networks: Emotional ...
  • Khashman, A. (2010). Neural networks for credit risk evaluation: Investigation ...
  • Kutsurelis, J. E. (1998). Forecasting financial markets using neural networks: ...
  • Malhotra, R., & Malhotra, D. K. (2002). Differentiating between good ...
  • Oreski, S., Oreski, D., & Oreski, G. (2012). Hybrid system ...
  • Tsai, C. F., & Wu, J. W. (2008). Using neural ...
  • West, D. (2000). Neural network credit scoring models. Computers and ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۵۵۲۶
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.