| طبقه‌بندی اعتباری مشتریان بانکی با استفاده از شبکه عصبی کانولوشنی |
| کد مقاله : 1043-FEMATH7 |
| نویسندگان |
|
سروش دهقانی *، حامد احمدنژاد دانشکده مهندسی صنایع دانشگاه تربیت مدرس |
| چکیده مقاله |
| طبق تعریف کمیته بال، ریسک اعتباری عبارت است از امکان بالقوه این که قرض‌گیرنده از بانک در اجرای تعهدات خود در مقابل بانک در مدت مشخص ناتوان شود. از مهم‌ترین روش‌های ارزیابی اعتباری مشتریان مدل‌های امتیازدهی اعتباری هستند. امتیازدهی اعتباری به معنی کمّی نمودن احتمال نکول در آینده است. در این پژوهش، از شبکه عصبی کانولوشنی برای امتیازدهی اعتباری متقاضیان دریافت تسهیلات استفاده شدهاست. این شبکه به طور گسترده در حوزه پردازش تصویر به کار گرفته شده و نتایج قابل توجه‌ای از خود نشان داده‌است؛ اما استفاده از آن برای امتیازدهی اعتباری، به‌خصوص در تحقیقات داخلی، هنوز مورد توجه چندانی قرار نگرفته‌است. امتیازدهی اعتباری مشتریان تسهیلات با استفاده از شبکه عصبی کانولوشنی، نیازمند تبدیل داده‌های مربوط به آن‌ها به تصویر است. بنابراین در پژوهش حاضر، روش تبدیل کانولوشنی برای تبدیل داده‌های مشتریان به تصویر معرفی شدهاست. نتایج حاصل از پیاده‌سازی شبکه عصبی کانولوشنی بر روی دو مجموعه داده از مشتریان یک بانک ایرانی و یک بانک استرالیایی با نتایج حاصل از مدل‌های یادگیری ماشین شامل رگرسیون لجستیک، جنگل تصادفی، گرادیان بوستینگ افراطی و استکینگ مقایسه شدهاست. نتایج حاصل از تحقیق نشان می‌دهد که شبکه عصبی کانولوشنی در هر دو مجموعه داده و از نظر اکثر معیارهای ارزیابی، عملکرد بهتری نسبت به مدل‌های یادگیری ماشین داشته‌است. |
| کلیدواژه ها |
| ریسک اعتباری، امتیازدهی اعتباری، شبکه عصبی کانولوشنی، یادگیری ماشین |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |