[صفحه اصلی ]   [Archive] [ English ]  
:: سال 14، شماره 48 - ( 6-1400 ) ::
سال 14 شماره 48 صفحات 360-327 برگشت به فهرست نسخه ها
پیش‌بینی امتیاز اعتباری اشخاص با استفاده از الگوریتم‌های داده‌کاوی (مورد مطالعه: مشتریان یک بانک دولتی ایران)
عالیه کاظمی*1، کیمیا عظیم زاده طهرانی1، علی ابدالی2، سارا آریایی1
1- دانشگاه تهران
2- دانشگاه علوم انتظامی امین
چکیده:   (280 مشاهده)
امتیاز اعتباری مشتریان یکی از ابزارهای مهم برای مدیریت ریسک در سیستمهای بانکی است. طراحی سیستمی که بتواند شناسایی مشتریان بانکی را به‌درستی انجام دهد،  از چالش‌های اساسی در داده‌کاوی و یادگیری ماشین بوده که مطالعات بسیاری در مورد آن انجام شده است. در این مطالعه، عوامل مرتبط با امتیاز اعتباری معرفی، و پیشبینی امتیاز اعتباری برای مشتریان یک بانک دولتی ایران انجام شده است. بدین‌منظور، روش‌شناسی CRISP-DM به‌عنوان مدل مرجعی برای فرایند داده‌کاوی مورد استفاده قرار گرفته و مدل‌سازی داده‌ها با بهره‌گیری از الگوریتمهای مختلف (نزدیکترین همسایگی، درخت تصمیم، و جنگل تصادفی) انجام شده است. نتایج ارزیابی و مقایسهٔ حساسیت و دقت الگوریتمها نشان داد الگوریتم نزدیکترین همسایگی با دقت ۹۰.۳ درصد برای مجموعهٔ آموزش و ۷۶.۷ درصد برای داده‌های آزمون، عملکرد مناسبی برای پیشبینی امتیاز اعتباری دارد.
واژه‌های کلیدی: امتیاز اعتباری، داده‌کاوی، روش‌شناسی CRISP-DM، نزدیک‌ترین همسایگی، درخت تصمیم، جنگل تصادفی
متن کامل [PDF 1259 kb]   (220 دریافت)    
نوع مطالعه: مطالعه تجربی | موضوع مقاله: سیاست پولی، بانکداری مرکزی و عرضه پول و اعتبارات (E5)
دریافت: 1399/12/13 | پذیرش: 1400/2/27 | انتشار: 1400/11/30
ارسال پیام به نویسنده مسئول


XML   English Abstract   Print



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
سال 14، شماره 48 - ( 6-1400 ) برگشت به فهرست نسخه ها
فصلنامه پژوهش‌های پولی-بانکی Journal of Monetary & Banking Research
Persian site map - English site map - Created in 0.04 seconds with 28 queries by YEKTAWEB 4447