رتبه بندی اعتباری مشتریان بانک با تکنیک طبقهبندی ترکیبی پویا و احتمال نرم (مطالعه موردی: بانک پاسارگاد) [پايان نامه فارسي]
پرستو پاکبین
| شناسگر رکورد: | ۱۶۵۸۴ |
| رشته تحصیلی: | مهندسی مالی و مدیریت ریسک |
| عنوان: | رتبه بندی اعتباری مشتریان بانک با تکنیک طبقهبندی ترکیبی پویا و احتمال نرم (مطالعه موردی: بانک پاسارگاد) |
| نويسنده: | پرستو پاکبین |
| استاد راهنما : | دکتر احمد پویانفر |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۳۹۸ |
| چکیده: | اعتبارسنجی و رتبهبندی اعتباری مشتریان بانک باعث بهبود کارآیی روند مربوط به اعطای تسهیلات و کاهش ریسک اعتباری موسسات مالی میشود. علاوه بر این، کمی پیشرفت در پیشبینی احتمال نکول میتواند مزایای قابل توجهی برای وامدهنده داشته باشد. هدف سیستم اعتبارسنجی در این پژوهش طبقهبندی متقاضیان وام در دو طبقه خوشحساب و بدحساب با استفاده از طبقهبندی ترکیبی پویا و احتمال نرم است. طبقهبندی ترکیبی پویا از تکنیکهای یادگیری ماشینی است که با ترکیب چند الگوریتم مختلف یادگیری ماشینی، ترکیب ناهمگن ساخته میشود. در این پژوهش الگوریتمهای درخت تصمیم و شبکه عصبی براساس دقت، توانایی طبقهبندی، خطای نوعI و خطای نوع II امتیازدهی میشوند، احتمال نرم طبقهبندهایی که عملکرد بهتری در پیشبینی دارند را انتخاب و ترکیب میکند تا یک فاصله احتمال نکول با استفاده از احتمال نرم به دست آید. روش پیشنهادی با استفاده از دادهها و اطلاعات جمعآوری شده صد مشتری بانک پاسارگاد مدلسازی شده است. برای انتخاب مناسب متغیرهای مدل و ویژگیهای بهینه مشتریان از الگوریتم ژنتیک استفاده شده که منجر به حذف بیست و چهار ویژگی و انتخاب چهل و هشت ویژگی بهینه برای ساخت مدل اعتبارسنجی شده است. نتیجه مدل بر اساس شاخصهای عملکرد میانگین دقت، سطح زیرمنحنی مشخصه عملکرد و هزینه طبقهبندی اشتباه که براساس نرخ خطای نوعI و خطای نوع II محاسبه میشود، با یازده مدل یادگیری ماشینی، هفت طبقهبند تک و چهار ترکیب همگن مقایسه شده و در پایان نیز برای بررسی معناداری آماری نتایج از آزمون فریدمن استفاده شده است. نتایج آزمایش نشاندهنده دقت بالاتر و خطای نوع I، خطای نوع II و هزینه طبقهبندی اشتباه کمتر روش پیشنهاد شده در برابر طبقهبندهای تک و ترکیبهای همگن میباشد. طبقهبندهای تک عملکرد خوبی در پیشبینی و رتبهبندی مشتریان نداشتهاند. نتیجه آزمون فریدمن بیانگر این است که مدلهای طبقهبندی بررسی شده در این پایاننامه مشابه هم نیستند و عملکرد آنها متفاوت از یکدیگر است. |
| واژگان کلیدی: | مدیریت مالی |
| مهندسی مالی | |
| مدیریت ریسک | |
| رتبهبندی اعتباری | |
| یادگیری ماشینی | |
| طبقهبندی ترکیبی پویا | |
| ترکیبهای انتخابی | |
| احتمال نرم |
جهت ثبت نظر با حساب کاربری تان وارد شوید