|
|
|
|
مدیریت ریسک اعتباری مشتریان بانکی با استفاده از روش ماشین بردار تصمیم بهبودیافته با الگوریتم ژنتیک با رویکرد داده‌کاوی
|
|
|
|
|
|
|
|
نویسنده
|
جعفری اسکندری میثم ,روحی میلاد
|
|
منبع
|
مديريت دارايي و تامين مالي - 1396 - دوره : 5 - شماره : 4 - صفحه:17 -32
|
|
چکیده
|
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 یافته است؛ زیرا سیستم اعتبارسنجی دقیقی برای ارزیابی اعتبار و اندازه‌گیری میزان ریسک مشتریان وجود ندارد. در این پژوهش، الگویی با استفاده از روش‌های داده‌کاوی برای پیش‌بینی شاخص نرخ وصول مشتریان ارائه می‌شود. رویکردی که در سال‌های اخیر در دنیا به‌عنوان روشی جدید برای اندازه‌گیری ریسک مشتریان به‌جای اندازه‌گیری احتمال نکول مدّنظر قرارگرفته است. نتایج نشان می‌دهد الگوی پیشنهادی این پژوهش، دقت بیشتری دارد. به‌طور کلی، هدف پیش‌بینی درصد وصول مطالبات قراردادهای با احتمال ریسک مطالباتی بالا قبل از اعطای تسهیلات است.
|
|
کلیدواژه
|
ریسک اعتباری، ماشین بردار تصمیم، مطالبات ریالی، نرخ وصول
|
|
آدرس
|
دانشگاه پیام نور تهران, دانشکده مهندسی صنایع, گروه مهندسی صنایع, ایران, دانشگاه پیام نور تهران, دانشکده مهندسی صنایع, گروه مهندسی صنایع, ایران
|
|
پست الکترونیکی
|
milad.roohi@gmail.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Credit Risk Management of Banking Customers Using Support Vector Machine Optimized by Genetic Algorithm with Data Mining Approach
|
|
|
|
|
Authors
|
jafari-eskandari meisam ,rohii milad
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|