رتبه بندی اعتباری مشتریان بانک با استفاده از الگوریتم ژنتیک . سیستم خبره فازی (مورد مطالعه:موسسه مالی و اعتباری قوامین)

thesis
abstract

هدف این تحقیق، ارائه یک مدل رتبه بندی اعتباری هیبریدی با ترکیب روش انتخاب ویژگی ها مبتنی بر الگوریتم ژنتیک و سیستم خبره فازی است که به مدیران اعتباری بانک ها و موسسات مالی جهت اخذ تصمیمات اعتباری کمک نماید. سیستم های خبره به عنوان یکی از تکنیک های هوش مصنوعی می توانند به ساخت مدل های رتبه بندی اعتباری مشتریان بانک ها بپردازند. ویژگی های مهم در رتبه بندی اعتباری شناسایی شدند. الگوریتم های ژنتیک با انتخاب مناسب ویژگی ها به بهبود سیستم خبره فازی رتبه بندی اعتباری کمک می نمایند. پس از انتخاب ویژگی ها توسط الگوریتم ژنتیک، به ساخت سیستم خبره فازی به کمک نظرات خبرگان و به کارگیری روش منطق فازی در فازی سازی مقادیر ویژگی ها و تولید قوانین رتبه بندی اعتباری فازی پرداخته شده است. در نهایت قوانین فازی ایجاد شده می توانند به کارشناسان بانکی در رتبه بندی اعتباری مشتریان خود کمک نمایند. در این تحقیق از اطلاعات موجود در پایگاه داده های اعتباری مشتریان حقیقی موسسه مالی و اعتباری قوامین، که در سالهای 88 و 89 از بانک تسهیلات اعتباری دریافت کرده اند استفاده شده است. نتایج حاصل از تحقیق موید این نکته است که مدل حاضر با درصد بالایی می تواند رتبه اعتباری مشتریان بانک را تفسیر نماید. مشتریانی که درجه ریسک اعتباری آن ها بالا باشد احتمال نکول وام توسط آن ها زیاد است و مدل تحقیق پیش بینی می کند که فرد جز دسته مشتریان "بدحساب" قرار می گیرد. مشتریانی که درجه ریسک اعتباری آن ها پایین باشد احتمال نکول وامشان پایین است و پیش بینی می شود جز دسته مشتریان "خوش حساب" قرار گیرند. ضمن این که سیستم حد وسطی هم برای درجه ریسک اعتباری مشتریان درنظر گرفته است. این سیستم به عنوان مشاور در امر تصمیم گیری به مسئولین بانکی عمل می کند و پیشنهاد می کند در مورد مشتریانی که درجه ریسک اعتباری آن ها متوسط و بالا است مسئولین بانکی با احتیاط بیشتری عمل کرده و بدین وسیله با دریافت تضمین بیشتر از این دسته متقاضیان، از ضرر و زیانی که احتملاً متوجه بانک خواهد شد جلوگیری به عمل آید.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

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...

full text

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...

full text

مدل رتبه‎بندی اعتباری هیبریدی با استفاده از الگوریتم‌های ژنتیک و سیستم‌های خبرۀ فازی (مطالعۀ موردی: مؤسسۀ مالی و اعتباری قوامین)

سیستم‌های خبره می‌توانند به ساخت مدل‌های رتبه‌بندی اعتباری مشتریان بانک‌ها کمک کنند. در اینجا، انتخاب ویژگی‌های مهم در رتبه‌بندی اعتباری اهمیت دارد. همچنین ممکن است مقادیر ویژگی‌ها، به‎صورت فازی بیان شوند. مسئله این است، چگونه می‌توان به‎کمک الگوریتم ژنتیک، انتخاب ویژگی‌ها را بهبود بخشید؛ به‎گونه‌ای که این ویژگی‌ها به‎منزلۀ ورودی در سیستم خبرۀ فازی مورد استفاده قرار گیرند. این نوشتار به ارائۀ م...

full text

طراحی سیستم هوشمند ترکیبی رتبه بندی اعتباری مشتریان بانک ها با استفاده از مدل های استدلالی فازی ترکیبی

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 ...

full text

ارائه 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 text

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 شبکه های عصبی هوشمند gmdh انجام می شود. بدین منظور اطلاعات و داده های مالی و کیفی یک نمونه تصادفی 400 تایی از مشتریان که تسهیلات دریافت نموده اند مورد بررسی قرار می گیرد. این حجم نمونه از مشتریان دارای حساب منتهی به سال 1388 انتخاب شده اند. در این مقاله پس از بررسی پرونده های اعتبا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه علامه طباطبایی - دانشکده مدیریت و حسابداری

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023