الگوريتمي جديد براي تشخيص زودهنگام وام‌هاي بدون بازگشت بر پايه اعتبارسنجي مشتريان در صنعت بانكداري با تركيب تكنيك‌هاي داده‌كاوي و يادگيري عميق

كارشناسي ارشد

به تدريج با غني شدن اطلاعات بانك‌ها از مشتريان، مي‌توان مدل‌هايي طراحي نمود كه بانك‌ها بتوانند مدل مناسبي از رفتار مشتريان خود داشته باشند. در حال حاضر، فرآيند ارزيابي مشتريان بانك‌ها وابسته به نظر خبره و كارشناسان مختلف بانكي است. اعمال نظرهاي سليقه‌اي موجب خسارت‌هاي فراواني به بانك‌ها در موارد تصميم‌گيري براي اعطاي تسهيلات به افراد مختلف مي‌شود. مطالبات غيرجاري كه در ادبيات بانكي ما به مطالبات معوق مشهور است، نتيجه‌ي بروز ريسك اعتباري است. در كشورهاي دنيا، مقام‌هاي ناظر پولي و ناظر بر مؤسسه‌هاي مالي، حساسيت ويژه‌اي بر مطالبات غيرجاري بانك‌ها داشته و اگر نسبت مطالبات غيرجاري به كل تسهيلات بانك‌ها از حد متعارف بالاتر رود، واكنش نشان داده و تلاش مي‌كنند كه نسبت ياد شده را در حد متعارف و كم‌تر از آن نگه دارند. در پايان‌نامه حاضر با استفاده از داده‌هاي مشتريان واقعي سعي شده يك مدل عميق مبتني بر شبكه‌هاي عميق ارائه شود كه قادر است ميزان معتبر بودن مشتري در گرفتن تسهيلات مورد نظر براي مشتريان جديد را تنها با داشتن مشخصات مشتري و تسهيلات درخواستي، تخمين بزند. براي اين‌كار بعد از تميزسازي اطلاعات بانكي، داده‌ها با استفاده از روش بهنجارسازي تركيبي پيش‌پردازش مي‌شود. در ادامه يك مدل عميق پنج لايه طراحي شده است، كه با استفاده از روش‌هاي مختلف معيار تنظيم‌سازي از بروز بيش‌برازش در مدل ارائه شده جلوگيري شده است. در نهايت مدل ارائه شده قادر است با دقت 93 درصد، ميزان اعتبار مشتري در گرفتن وام مورد نظر را تخمين بزند.

189262

دانشگاه علم و صنعت ايران

نرم افزار

دكتر بهروز مينايي