پیش بینی رتبه اعتباری مشتریان بانک ها با رویکرد هوش مصنوعی
Authors
abstract
در مقاله حاضر به منظور پیش بینی عملکرد مالی مشتریان حقوقی بانک ها یک مدل رتبه بندی اعتباری، با استفاده از الگوریتم حل چندهدفه ـ که ترکیبی از قوانین چیرگی فازی، الگوریتم ژنتیک و الگوریتم سیمپلکس است ـ ارائه می شود. سپس کارآیی مدل بر اساس توانایی آن در تشخیص دقیق نکول مورد ارزیابی قرار می گیرد. با استفاده از داده های بانک کشاورزی در سال های 1380ـ1385، مدل مفهومی رتبه بندی اعتباری، تعیین و نسبت بدهی، نسبت فعالیت و نسبت ارزش ویژه به مجموع دارایی ها به عنوان متغیرهای توضیحی مدل انتخاب شده اند. از سوی دیگر نکول یا عدم نکول به صورت یک متغیر موهومی به عنوان متغیر وابسته مدل در نظر گرفته شده است. جهت آموزش و اعتبار سنجی مدل، داده ها به دو مجموعه مدل و شاهد تقسیم شده اند. پس از اجرای الگوریتم، علاوه بر مقادیر درجه تشخیص و درجه حساسیت، به عنوان دو معیار کارآیی مدل، متغیر کلیدی نیز تعیین می گردد.طبقه بندی z0,g17,c31 :jelتاریخ دریافت مقاله: 1389/8/3 تاریخ پذیرش مقاله: 1389/9/8
similar resources
پیشبینی رتبه اعتباری مشتریان بانکها با رویکرد هوش مصنوعی
در مقاله حاضر به منظور پیشبینی عملکرد مالی مشتریان حقوقی بانکها یک مدل رتبهبندی اعتباری، با استفاده از الگوریتم حل چندهدفه ـ که ترکیبی از قوانین چیرگی فازی، الگوریتم ژنتیک و الگوریتم سیمپلکس است ـ ارائه میشود. سپس کارآیی مدل بر اساس توانایی آن در تشخیص دقیق نکول مورد ارزیابی قرار میگیرد. با استفاده از دادههای بانک کشاورزی در سالهای 1380ـ1385، مدل مفهومی رتبهبندی اعتباری، تعیین و نس...
full textرتبه بندی اعتباری مشتریان حقوقی بانک ها با رویکرد هوش مصنوعی
در صنعت بانکداری یکی از موضوعاتی که همواره بایستی مدنظر سیاستگذاران اعتباری قرار داشته باشد، مبحث مدیریت ریسک است. در بین ریسک های مختلفی که بانک ها با آن مواجهند, ریسک اعتباری از با اهمیت ترین آن ها است که از زیان های ناشی از ناتوانی یا عدم تمایل مشتری به ایفای تعهدات خویش در برابر بانک حاصل می گردد. جهت مدیریت و کنترل ریسک مذکور, سیستم های رتبه بندی اعتباری مشتریان ضرورتی انکار ناپذیر است. چ...
15 صفحه اولارائه یک الگوریتم فرا ابتکاری چند هدفه فازی سیمپلکس- ژنتیک برای پیش بینی رتبه اعتباری مشتریان بانک ها
This study examines a multi-objective fuzzy simplex-genetic algorithm which was developed to predict bank legal customers financial performance. Prediction performance of the model was examined based on its ability to accurately identify credit default. Using available data from KESHVARZI bank over 2001-2006, debt ratio, operational ratio, and return on equity are selected as descriptive vari...
full textرتبه 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...
full textرتبه 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...
full textمعرفی یک روش ویکور توسعه یافته برای رتبه بندی اعتباری مشتریان بانک ها
امروزه بسیاری از بانک های داخلی کشور نوعی ریسک اعتباری را تجربهمی کنند که از پیامدهای آن می توان افزایش مطالبات معوق بانک هاو مشکل عدمبازپرداخت وام های بانک مرکزی را برشمرد. بنابراین استقرار یک سیستم مدیریتاعتباری یکی از C ریسک اعتباری لازم و ضروری به نظر می رسد. سیستم معتبر پنجسیستم های رتبه بندی مشتریان است که می تواند برای مدیریت ریسک اعتباری درنظر گرفته شود. از سوی دیگر وجود یک ابزار مناسب ...
full textMy Resources
Save resource for easier access later
Journal title:
پژوهش های پولی و بانکیجلد ۲، شماره ۳، صفحات ۱۵۷-۱۸۲
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023