Thesis

بکارگیری الگوریتم های داده کاوی جهت دسته بندی مشتریان اعتباری بانک در وضعیت برچسب گذاری با استفاده از تکنیک هایahpو topsisبراساس شاخص های تعیین کننده ی کلاس مشتری

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

پایه ریزی و ایجاد یک سیستم برای کنترل ریسک مشتریان، جزئی ضروری از مدیریت علمی یک بانک به شمار می رود. نظر به اهمیت ریسک اعتباری در سیستم بانکی، مدل های امتیازدهی اعتباری به عنوان ابزارهایی جهت کنترل این ریسک، توسعه یافته اند. در این پژوهش از ابزارهای داده کاوی و روش های تصمیم گیری چند معیاره ahp و topsis برای رتبه بندی اعتباری مشتریان یک بانک استفاده شده است. هدف آنست که در نهایت مدل تصمیم گیری ارائه شده به شناسایی مشتریان قبل از اعطای وام کمک نماید. روش کار بدین شکل می باشد که طبق یک فرآیند استاندارد داده کاوی (crisp-dm)، داده های مشتریان سابق بانک جمع آوری، متغیرهای تأثیرگذار در رفتار اعتباری مشتریان شناسایی و فرآیند پالایش بر روی داده ها صورت گرفته است. سپس بر اساس چند شاخص (از قبیل روزهای تأخیر، تعداد تأخیر و مبلغ تأخیر در بازپرداخت اقساط وام)، طبق نظر کارشناسان بانک مورد مطالعه و با استفاده از روش های تصمیم گیری چند معیاره ahp و topsis، طبقات اعتباری مشتریان (خوب، متوسط و بد) تعیین گردند. به عبارتی برای هر مشتری یک برچسب اختصاص می یابد. پس از پیش پردازش داده ها و تغییرات در رکوردها (مشتریان) و فیلدها (خصیصه های مشتریان)، با استفاده از روش cart، داده های نهایی مدل سازی گردیدند و الگوهای پنهان در داده ها به شکل درخت قوانین استخراج شدند. همچنین داده های نهایی با چندین الگوریتم داده کاوی نظیر درخت های تصمیم سنتی، شبکه های عصبی، رگرسیون لجستیک، شبکه های بیزین، ماشین بردار پشتیبان و ... نیز مدل سازی شدند. نتیجه حاصله نشان داد که الگوریتم cart نتایج بهتری را به لحاظ دقت تفکیک مشتریان نسبت به سایرین دارد.

Supervisors and advisors

مهرداد جلالی، داود کریم زادگان

Similar theses

Similar items

  • بهبود روش تحلیل پوششی داده ها به منظور خوشه بندی مشتریان اعتباری بانک ها

    رقابت بین مدیران سازمان های صنعتی و خدماتی برای تامین نیازهای مالی و اعتباری خود از طریق دریافت تسهیلات بانکی به صورت روزانه در حال افزایش است. از طرف دیگر منابع مالی و اعتباری بانک‌ها و موسسات مالی برای ارائه تسهیلات به متقاضیان محدود می‌باشد. بر این اساس تخصیص بهینه منابع محدود

  • طبقه بندی مشتریان اینترنت بانک با کمک الگوریتم های داده کاوی

    Article2014فصلنامه علمی-پژوهشی مدیریت فناوری اطلاعاترضا رادفر، نوید نظافتی، سعید یوسفی اصلی

    طبقه بندی مشتریان با استفاده از الگوریتم های داده کاوی، بانک ها را قادر به حفظ و وفاداری مشتریان قدیم و جذب مشتریان جدید خواهد کرد. یکی از روش های داده کاوی، درخت تصمیم گیری است و چنانچه درخت تصمیم مناسبی ساخته شود، می توان مشتریان را به‎طور بهینه طبقه بندی کرد. در این نوشتار، یک

  • رتبه بندی مشتریان حقوقی بانک ها برحسب ریسک اعتباری به روش تحلیل پوششی داده ها : مطالعه موردی شعب بانک کشاورزی

    Articleپژوهش ها و سیاست های اقتصادیسعید عیسی زاده، saeed isazade assistant professor of the university of buali sina, hamedanعضو هیأت علمی دانشگاه بوعلی سینا بهاره عریانی، bahare oryani m.a. economicsکارشناس ارشد علوم اقتصادی و پژوهشگر معاونت برنامه ریزی و امور اقتصادی وزارت بازرگانی

    هدف اصلی این مقاله رتبه بندی مشتریان حقوقی بانک کشاورزی بر حسب ریسک اعتباری به روش تحلیل پوشش داده ها می باشد. در این مطالعه با استفاده از روش نمونه گیری خوشه-ای از مناطق شرق و غرب بانک کشاورزی استان تهران، 286 شرکت تسهیلات گیرنده مورد بررسی قرار گرفته و پس از خارج کردن داده های

  • دسته بندی و پیش بینی وضعیت تحصیلی دانشجویان با استفاده از تکنیک های داده کاوی

    Articleنامه آموزش عالیسمیه حیدری، مدرس دانشکده مهندسی صنایع دانشگاه آزاد اسلامی واحد پرند مسعود یقینی، عضو هیئت علمی دانشگاه علم و صنعت ایران

    داده کاوی و کشف الگوها و دانش نهفته در داده های سیستم های آموزشی کمک شایانی به تصمیم گیرندگان عرصه آموزش عالی جهت بهبود فرآیند های آموزشی نظیر برنامه ریزی، ثبت نام، ارزیابی و مشاوره می نماید. هدف مقاله حاضر، دسته بندی و پیش بینی وضعیت تحصیلی دانشجویان با استفاده از تکنیک های داده

  • دسته بندی کاربران موبایل بانک با استفاده از رویکرد داده کاوی: مقایسه بین تکنیک شبکه های عصبی مصنوعی و تکنیک بیز ساده

    Article2012پژوهش های مدیریت در ایرانعلیرضا حسن زاده، محمد حسام قنبری، شعبان الهی

    در دهه ی اخیر پیشرفت تکنولوژی های گوناگون باعث تغییر در ارائه خدمات بوسیله سازمان ها گردیده است. یکی از حوزه هایی که صنعت بانکداری را تحت تاثیر خود قرار داده است حوزه فناوری اطلاعات می باشد. تکنولوژی ارتباط بیسیم یکی از زیر مجموعه های حوزه فناوری می باشد که در این سال های اخیر پی

  • دسته بندی کاربران موبایل بانک با استفاده از رویکرد داده کاوی: مقایسه بین تکنیک شبکه های عصبی مصنوعی و تکنیک بیز ساده

    Articleپژوهش های مدیریت در ایرانعلیرضا حسن زاده، استادیار گروه it، دانشکده مدیریت و اقتصاد-دانشگاه تربیت مدرس- محمد حسام قنبری، کارشناس ارشد مدیریت فناوری اطلاعات، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران شعبان الهی، دانشیار گروه it، دانشکده مدیریت و اقتصاد دانشگاه تربیت مدرس-

    در دهه ی اخیر پیشرفت تکنولوژی های گوناگون باعث تغییر در ارائه خدمات بوسیله سازمان ها گردیده است. یکی از حوزه هایی که صنعت بانکداری را تحت تاثیر خود قرار داده است حوزه فناوری اطلاعات می باشد. تکنولوژی ارتباط بیسیم یکی از زیر مجموعه های حوزه فناوری می باشد که در این سال های اخیر پی