رتبه بندی اعتباری مشتریان حقیقی در بانکهای تجاری

چکیده مقاله

مقررات کمیته بال، افزایش روزافزون تقاضا برای وام و رقابت شدید در بازارهای مالی، باعث افزایش توجهات به موضوع حساس نکول وامها برای آن دسته از موسساتی است که به مشتریانی که احتمال قصور آنها بیشتر است وام اعطا میکنند. در سالهای پیش، مدلهای شبکه عصبی به خوبی در حوزه مالی به کار گرفته میشدند. شبکه عصبی پرسپترون چندلایه از جمله شبکههای عصبی مصنوعی میباشند که برای طبقهبندی و پیشبینی استفاده میشوند.. در این تحقیق از شبکه عصبی برای پیش بینی نکول مشتریان حقیقی بانک مسکن استفاده گردید. همچنین از الگوریتم کلونی مورچه جهت انتخاب ویژگی استفاده شده است.از جمله متغیرهای مورد استفاده در این تحقیق می توان به متغیر سن، وضعیت تاهل، تعداد فرزندان،تحصیلات، شغل، میزان درآمد و ... اشاره کرد. در نهایت نتایج بدست آمده حاکی از آن بود که مدل شبکه عصبی با انتخاب ویژگی عملکردی دقیقتری در پیشبینی نکول درخواست کنندگان وام در مقایسه با  مدل شبکه عصبی با انتخاب تمام ویژگی دارد. 

دریافت لینک دانلود مقاله