طبقه‌بندی سبد وام‌دهی با استفاده از یک الگوریتم یادگیری ماشین نظارتی

این مقاله به بررسی استفاده از یک الگوریتم یادگیری ماشین نظارتی در طبقه‌بندی و مدیریت ریسک سبد وام‌دهی در بانک‌ها و موسسات مالی می‌پردازد. هدف اصلی این پژوهش، بهبود فرایند شناسایی و دسته‌بندی وام‌ها بر اساس ریسک اعتباری و ویژگی‌های مرتبط، از جمله نرخ سررسید، گستره اعتباری و اعتبار باقی‌مانده است. نتایج حاصل نشان می‌دهد که الگوریتم k-نزدیک‌ترین همسایه (knn) با مقدار k=1 به دقت و کارایی بالایی در طبقه‌بندی و بهینه‌سازی مدیریت ریسک اعتباری دست یافته و می‌تواند به بانک‌ها در بهبود تصمیم‌گیری و تخصیص وام‌ها بر اساس سطح ریسک کمک کند. افزون بر این، مدل ارائه‌شده امکان ارزیابی سریع‌تر و دقیق‌تر ریسک اعتباری را فراهم می‌آورد که به‌ویژه برای مجموعه داده‌های بزرگ مالی کارآمد است.