ارائه روش دسته بندی آنسامبل وزنی برای امتیازدهی اعتباری (مورد مطالعه: صنعت بیمه)

یکی از تصمیمات مهم در موسسات مالی ارزیابی اعطای تسهیلات و کاهش ریسک اعتباری است. ارزیابی صحیح ریسک اعتباری مشتریان به روش سنتی و استفاده از کارشناسان خبره با محدودیت هایی از قبیل هزینه بالا و زمان بر بودن فرایند اعتبارسنجی مواجه است. حال با توجه به حجم عظیم داده های اعتباری مشتریان، داده کاوی می تواند جهت دسته بندی و شناسایی مشتریان خوش حساب و بدحساب مورد استفاده قرار گیرد. اما در بیشتر موارد، داده های اعتباری از مشکل عدم توازن رنج می برند که موجب شده است اکثر الگوریتم های دسته بندی نتیجه قابل قبولی را تولید نکنند. بدین منظور در این پایان نامه، یک مدل آنسامبل ترکیبی ارائه شده است که بررسی های انجام شده نشان از برتری این مدل بر مدل های موجود دارد. برای اعتبارسنجی مدل از مجموعه داده بیمه ای کاراوان و داده های اعتباری آلمان استفاده شده و نهایتا مدل بر روی داده های بیمه بدنه شرکت بیمه ملت پیاده سازی شد. نتایج بدست آمده بر اساس معیار سطح زیر آر او سی برای مجموعه داده های کاراوان، آلمان و بیمه ملت به ترتیب عبارتند از 0.670 – 0.770 – 0.707 که در مقایسه با سایر مدل های معتبر پیاده سازی شده بهتر هستند. بر اساس نتایج بدست آمده از تحلیل داده های بیمه ملت، مشتری جدیدی که شامل تخفیف بالای 17.8% می شود، با احتمال خیلی زیاد خساتی را به شرکت بیمه تحمیل نخواهد کرد. همچنین بر اساس صفات استخراج شده برای تحلیل، درصد تخفیف، نوع وسیله، استان، مورداستفاده و سال ساخت به ترتیب از اهمیت بیشتری برخوردارند.