مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

467
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

345
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارائه مدل ترکیبی الگوریتم مورچگان باینری و ماشین بردار پشتیبان ( BACO-SVM ) برای انتخاب ویژگی و طبقه بندی مشتریان بانکی به همراه مطالعه موردی

صفحات

 صفحه شروع 71 | صفحه پایان 92

چکیده

 یکی از مهم ترین مسایلی که همواره بانک ها و موسسات مالی با آن مواجه هستند, مسیله ریسک 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 ارایه مدلی کارا جهت ارزیابی و طبقه بندی هر چه دقیق تر متقاضیان تسهیلات اعتباری صورت گرفته است. در این راستا, پژوهش حاضر سعی در ارایه رویکردی نو برای ارزیابی ریسک اعتباری مشتریان بانکی دارد. روش ماشین بردار پشتیبان ( SVM ) به عنوان طبقه بندی کننده ی اصلی با یک روش انتخاب ویژگی به نام الگوریتم مورچگان باینری ( BACO-SVM ) ترکیب می گردد. به منظور نشان دادن اثر بخشی روش پیشنهادی از داده های مربوط به 85 شرکت از تسهیلات گیرندگان حقوقی یک بانک ایرانی در یک بازه ی 5 ساله (1389-1393) به همراه 16 ویژگی مربوط به هر یک از آن ها استفاده نموده ایم. نتایج روش BACO-SVM با روش PSO-SVM, GA-SVM و روش SVM به تنهایی مقایسه گردیده است. یافته های پژوهش دلالت بر آن داشته که در ارزیابی ریسک اعتباری, مدل BACO-SVM نسبت به روش های دیگر از عملکرد خوبی برخوردار است. در نتیجه با استفاده از روش BACO-SVM به طبقه بندی مشتریان به دو گروه مشتریان خوش حساب و بدحساب می پردازیم. و در نهایت جهت افزایش انعطاف پذیری در تصمیم گیری, مشتریان خوش حساب را با استفاده از روش VIKOR رتبه بندی می کنیم. این رتبه بندی منجر به آن می شود که قضاوت دقیق تری درباره ی وضعیت ریسک اعتباری متقاضیان خوش حساب صورت گیرد.

چندرسانه ای

  • ثبت نشده است.
  • استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    حسین زاده کاشان، علی، و گروسی، فاطمه. (1399). ارائه مدل ترکیبی الگوریتم مورچگان باینری و ماشین بردار پشتیبان ( BACO-SVM ) برای انتخاب ویژگی و طبقه بندی مشتریان بانکی به همراه مطالعه موردی. راهبرد مدیریت مالی، 8(29 )، 71-92. SID. https://sid.ir/paper/382209/fa

    Vancouver: کپی

    حسین زاده کاشان علی، گروسی فاطمه. ارائه مدل ترکیبی الگوریتم مورچگان باینری و ماشین بردار پشتیبان ( BACO-SVM ) برای انتخاب ویژگی و طبقه بندی مشتریان بانکی به همراه مطالعه موردی. راهبرد مدیریت مالی[Internet]. 1399؛8(29 ):71-92. Available from: https://sid.ir/paper/382209/fa

    IEEE: کپی

    علی حسین زاده کاشان، و فاطمه گروسی، “ارائه مدل ترکیبی الگوریتم مورچگان باینری و ماشین بردار پشتیبان ( BACO-SVM ) برای انتخاب ویژگی و طبقه بندی مشتریان بانکی به همراه مطالعه موردی،” راهبرد مدیریت مالی، vol. 8، no. 29 ، pp. 71–92، 1399، [Online]. Available: https://sid.ir/paper/382209/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button