ارزیابی ریسک اعتباری با استفاده از حداقل مربعات ماشین بردار پشتیبان با به کارگیری الگوریتم ژنتیک به منظور انتخاب پارامترها
thesis
- وزارت علوم، تحقیقات و فناوری - دانشکده علوم اقتصادی - دانشکده مدیریت و اقتصاد
- author محمدرضا عزیزی
- adviser احمد پویان فر سعید فلاح پور
- publication year 1392
abstract
چکیده یکی از مهم ترین مسائلی که همواره بانک ها و موسسات مالی با آن مواجه هستند، مسئله ریسک اعتباری یا احتمال عدم ایفای تعهدات از سوی متقاضیان دریافت کننده تسهیلات اعتباری می باشد. رقم قابل توجه مطالبات معوق بانک ها در سراسر جهان نشان دهنده اهمیت این موضوع و لزوم توجه به آن می باشد. از این رو تاکنون تلاش های بسیاری به منظور ارائه مدلی کارا جهت ارزیابی و طبقه بندی هرچه دقیق تر متقاضیان تسهیلات اعتباری صورت گرفته است. هدف اصلی این پژوهش بکار گیری روش حداقل مربعات ماشین بردار پشتیبان مبتنی بر الگوریتم ژنتیک (ga-lssvm) در ارزیابی ریسک اعتباری متقاضیان تسهیلات اعتباری می باشد. بدین منظور از مجموعه داده های بانک آلمان در پایگاه داده یادگیری ماشین uci جهت نمایش اثربخشی و دقت طبقه بندی کننده ga-lssvm استفاده شده است. نتایج مدل ارائه شده با مدل های آماری لاجیت و پروبیت و رویکردهای رایج در بهینه سازی پارامترهای حداقل مربعات ماشین بردار پشتیبان مقایسه شده است. یافته های تحقیق حاکی از آن است که در ارزیابی ریسک اعتباری متقاضیان تسهیلات اعتباری، مدل ga-lssvm نسبت به سایر مدل های بررسی شده از عملکرد مطلوب تری برخوردار می باشد.
similar resources
رویکرد حداقل مربعات ماشین بردار پشتیبان مبتنی بر الگوریتم ژنتیک جهت تخمین رتبه اعتباری مشتریان بانکها
یکی از مهم¬ترین مسائلی که همواره بانک¬ها و مؤسسات مالی با آن مواجه هستند، مسئله ریسک اعتباری یا احتمال عدم ایفای تعهدات از سوی متقاضیان دریافت کننده تسهیلات اعتباری می¬باشد. رقم قابل توجه مطالبات معوق بانکها در سراسر جهان نشان دهنده اهمیت این موضوع و لزوم توجه به آن می¬باشد. از این رو تاکنون تلاشهای بسیاری به منظور ارائه مدلی کارا جهت ارزیابی و طبقه بندی هرچه دقیق¬تر متقاضیان تسهیلات اعتباری ...
full textبهبود تطابق تاریخچه ی مخازن شکافدار با استفاده از حداقل مربعات ماشین بردار پشتیبان و الگوریتم ازدحام ذرات
full text
مدیریت ریسک اعتباری مشتریان بانکی با استفاده از روش ماشین بردار تصمیم بهبودیافته با الگوریتم ژنتیک با رویکرد دادهکاوی
مدیریت ریسک اعتباری، رتبهبندی اعتباری و ارزیابی میزان ریسک مشتریان، در کنار جذب منابع از اهمیت بالایی برای بانکها برخوردار است؛ زیرا اگر بانکها با تخصیص بهینۀ منابع و کسب درآمد بین فرایند تجهیز و تخصیص منابع خود نتوانند توازن ایجاد کنند، در آینده با مشکلات زیادی روبهرو میشوند. براساس آمارهای رسمی منتشرشده از سوی بانک مرکزی ج.ا.ا در سالهای اخیر، میزان مطالبات معوق بانکها بسیار افزایش یاف...
full textارزیابی مدل حداقل مربعات ماشین بردار پشتیبان در برآورد تبخیر و مقایسه با مدلهای تجربی
در این تحقیق با استفاده از پارامترهای هواشناسی در دشت بیرجند در استان خراسان جنوبی در دوره 16 ساله به ارزیابی عملکرد آزمون گاما و مقایسه دقت مدلهای حداقل مربعات ماشینبردار و روشهای تجربی بهمنظور تخمین میزان تبخیر پرداخته شد. با استفاده از روش آزمون گاما از میان پارامترهای تأثیرگذار بر تبخیر، پارامترهای بهینه ورودی جهت مدلسازی تخمین تبخیر از میان 90 ترکیب معین، تعیین گردید. تعداد 7 ترکیب ب...
full textرویکرد حداقل مربعات ماشین بردار پشتیبان مبتنی بر الگوریتم ژنتیک جهت تخمین رتبه اعتباری مشتریان بانک ها
یکی از مهم¬ترین مسائلی که همواره بانک¬ها و مؤسسات مالی با آن مواجه هستند، مسئله ریسک اعتباری یا احتمال عدم ایفای تعهدات از سوی متقاضیان دریافت کننده تسهیلات اعتباری می¬باشد. رقم قابل توجه مطالبات معوق بانک ها در سراسر جهان نشان دهنده اهمیت این موضوع و لزوم توجه به آن می¬باشد. از این رو تاکنون تلاش های بسیاری به منظور ارائه مدلی کارا جهت ارزیابی و طبقه بندی هرچه دقیق¬تر متقاضیان تسهیلات اعتباری ...
full textتاثیر هوش مالی در پیشبینی ریسک اعتباری با استفاده از مدل ماشین بردار پشتیبان
هدف از این مطالعه، بررسی تاثیرهوش مالی در پیشبینی ریسک اعتباری شرکتهای پذیرفته شده در بورس اوراق بهادار تهران میباشد.روش پژوهش از نوع توصیفی- همبستگی است و فرضیهها با استفاده از مدلهای رگرسیون لجستیک و ماشین بردار پشتیبان مورد آزمون قرار گرفتند.دوره زمانی پژوهش شامل 6 سال ازابتدای 1388 تا پایان 1393 و نمونه آماری شامل 115 شرکت از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران میباشد. ن...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشکده علوم اقتصادی - دانشکده مدیریت و اقتصاد
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023