طراحی سیستم هوشمند ترکیبی رتبه بندی اعتباری مشتریان بانک ها با استفاده از مدل های استدلالی فازی ترکیبی
نویسندگان
چکیده
هدف اصلی تمام بانک های تجاری جمع آوری پس اندازهای افراد حقیقی و حقوقی و تخصیص آن ها به صورت تسهیلات به شرکت های صنعتی، خدماتی و تولیدی است . عدم بازپرداخت تسهیلات از جانب این مشتریان، بانک ها را دچار م شکلات عدیده ای از جمله ناتوانی در بازپرداخت وام های بانک مرکزی، بیشتر شدن مقدار تسهیلات از مقدار باز پرداختی های مشتریان و عدم توانایی اعطای تسهیلات می کند . اهمیت اعطای تسهیلات در صنعت بانکداری کشور و نقش خطیر آن در رشد اقتصادی و افزایش اشتغال منجر به توسع ه چندین مدل گوناگون برای ارزیابی اعتباری مشتریان متقاضی این تسهیلات شده است . اما بسیاری از این مدل ها, مدل های کلاسیک هستند و توانایی ارزیابی اعتباری مشتریان را بطور کامل و بهینه ندارند؛ بنایراین زمینه ورود مدل های هوش مصنوعی به این حوزه مهیا گردیده است. در این پژوهش سعی گردید. تا پس از تهیه مدل مناسب رتبه بندی اعتباری مشتریان وجمع آوری دانش خبرگان با استفاده از مدل استدلالی ترکیبی و مدل ترکیبی فازی به طراحی سیستم هوشمند هیبریدی رتبه بندی اعتباری مشتریان پرداخته شود . سیستم خبره به عنوان ماژول سمبولیک و شبکه عصبی و سیستم های عصبی فازی به عنوان ماژول غیر سمبولیک، اجزای این سیستم هیبریدی را تشکیل می دهند. چنین مدلی قابلیت استدلال و تشریح سیستم خبره و قابلیت یادگیری و تطبیق پذیری شبکه عصبی را به صورت توأمان به همراه دارد . نتایج سیستم هیبریدی و هیبری فازی سیستم که با نتایج سیستم خبره مقایسه گردید، حاکی از دقت و قدرت بالای سیستم هوشمند هیبریدی نسبت به سیستم خبره در رتبه بندی اعتباری مشتریان است.
منابع مشابه
رتبه بندی اعتباری مشتریان حقوقی بانک پارسیان
این مقاله با هدف مدلسازی سنجش ریسک اعتباری و اعتبارسنجی مشتریان در بانک پارسیان به روش رگرسیون لاجیت وپروبیت و مدل شبکههای عصبی هوشمند GMDH انجام میشود. بدین منظور اطلاعات و دادههای مالی و کیفی یک نمونه تصادفی 400 تایی از مشتریان که تسهیلات دریافت نموده اند مورد بررسی قرار میگیرد. این حجم نمونه از مشتریان دارای حساب منتهی به سال 1388 انتخاب شدهاند. در این مقاله پس از بررسی پروندههای اعتبا...
متن کاملرتبه بندی اعتباری مشتریان حقوقی بانک پارسیان
این مقاله با هدف مدلسازی سنجش ریسک اعتباری و اعتبارسنجی مشتریان در بانک پارسیان به روش رگرسیون لاجیت وپروبیت و مدل شبکههای عصبی هوشمند GMDH انجام میشود. بدین منظور اطلاعات و دادههای مالی و کیفی یک نمونه تصادفی 400 تایی از مشتریان که تسهیلات دریافت نموده اند مورد بررسی قرار میگیرد. این حجم نمونه از مشتریان دارای حساب منتهی به سال 1388 انتخاب شدهاند. در این مقاله پس از بررسی پروندههای اعتبا...
متن کاملرتبه بندی اعتباری مشتریان حقیقی بانک ها با استفاده از مدل های مختلف شبکه های عصبی: مطالعه موردی یکی از بانک های خصوصی ایران
در گذشته تصمیم گیری در مورد اعطای تسهیلات به مشتریان بانکها در ایران به روش سنتی و بر پایه قضاوت شخصی در مورد ریسک عدم بازپرداخت صورت می پذیرفت. لیکن افزایش فزاینده تقاضای تسهیلات بانکی از سوی بنگاه های اقتصادی و خانوارها از یک سو و افزایش رقابت های تجاری گسترده و تلاش بانک ها و موسسات مالی و اعتباری در کشور برای کاهش ریسک عدم بازپرداخت تسهیلات از سوی دیگر موجب به کار گیری روش های نوین از جمله ...
متن کاملیک مدل ترکیبی برای رتبه بندی اعداد فازی غیرنرمال
Because of the suitability of fuzzy numbers in representing uncertain values , ranking the fuzzy numbers has widely applications in different sciences. Many models are presented in field of ranking the fuzzy numbers that each one rank based on special criteria and features. The purpose of this paper is presenting a new method for ranking generalized fuzzy numbers based on some parameters such...
متن کاملرتبه بندی بانک های خصوصی ایران براساس مدل کملز با استفاده از رویکرد ترکیبی فرآیند تحلیل سلسله مراتبی و آراس
ارزیابی عملکرد بانک ها به سبب تاثیری که کارکرد این نهادها در رشد و توسعه ی اقتصادی کشورها به جا می گذارد، از اهمیت به سزایی برخوردار است؛ این پژوهش با هدف ارزیابی و مقایسه عملکرد بانک های فعال در نظام بانکی کشور در چارچوب مدل کملز انجام پذیرفت. به این منظور نخست با مطالعه ادبیات موضوعی پژوهش، مولفههای سنجش کارآمدی، سلامت و ثبات بانک ها در هر یک از حوزه-های کفایت سرمایه، کیفیت دارایی، مدیریت، س...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
پژوهشنامه بازرگانیجلد ۱۴، شماره ۵۳، صفحات ۱۵۹-۲۰۱
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023