کاهش ریسک اعتباری مشتریان بانک با استفاده از تکنیک های انتخاب ویژگی و الگوریتم های خوشه بندی
چکیده
کاهش ریسک اعتباری مشتریان بانک با استفاده از تکنیک های انتخاب ویژگی و الگوریتم های خوشه بندی
کاهش ریسک اعتباری مشتریان بانک با استفاده از تکنیک های انتخاب ویژگی و الگوریتم های خوشه بندی
ریسک اعتباری به عنوان خطر ناشی از احتمال عدم بازپرداخت تعهدات توسط مشتریان در سررسید بوده و یکی از مهم ترین ریسک ها در بانک ها و مؤسسات مالی به حساب می آید. یکی از مهم ترین ابرارهای کنترل و مدیریت ریسک اعتباری، استقرار نظام امتیازدهی اعتباری است. مدل های امتیازدهی اعتباری با دریا
بانک ها و موسسات مالی و اعتباری با اعطای تسهیلاتی از قبیل وام و اعتبار به مشتریان خود، با ریسک هایی از جمله عدم پرداخت سر موعد مشتری و کاهش نقدینگی مواجه هستند. پیش بینی این ریسک ها قبل از اعطای تسهیلات برای بانک ها از اهمیت ویژه ای برخوردار است. از این رو نیاز به ارائه روش هایی
هدف این تحقیق، ارائه یک مدل رتبه بندی اعتباری هیبریدی با ترکیب روش انتخاب ویژگی ها مبتنی بر الگوریتم ژنتیک و سیستم خبره فازی است که به مدیران اعتباری بانک ها و موسسات مالی جهت اخذ تصمیمات اعتباری کمک نماید. سیستم های خبره به عنوان یکی از تکنیک های هوش مصنوعی می توانند به ساخت مدل
بانکها در پرداخت تسهیلات با خطر بزرگی که به آن ریسک اعتباری می گویند مواجه هستند. برای کاهش این ریسک، باید درجه اعتبار و قدرت بازپرداخت اصل و سود تسهیلات دریافت کننده را تعیین نمود تا احتمال عدم برگشت اصل و سود تسهیلات اعطایی، کاهش یابد. یکی از روش های کاهش این ریسک، طراحی نظام ت
یکی از مهمترین خطرهایی که بانکها با آن مواجه هستند ریسک اعتباری می باشد.ریسک اعتباری ازاین واقعیت ریشه میگیرد که طرف قرارداد،نتواند یا نخواهد تعهدات قرار داد را انجام دهد.برای کاهش این ریسک،باید درجه اعتبار وقدرت باز پرداخت اصل و سود تسهیلات گیرنده را تعیین نمود تا احتمال عدم برگ
بانک ها یکی از ارکان اصلی نهادهای مالی در هر اقتصادی محسوب می شوند که در سال های اخیر با توجه به رشد چشمگیر بازارها و نهادهای مالی، نقش آن ها روزبه روز بیشتر می شود. با گسترش دامنه فعالیت بانک ها در کشورهای مختلف نقش مدیران و کارشناسان باتجربه و آشنا با علوم جدید بانکداری بیشتر م
چکیده هدف این مقاله ارزیابی و پیشبینی ریسک اعتباری شرکتهای متقاضی تسهیلات از یک بانک تجاری در ایران است. بدین منظور، با استفاده از نمونهگیری تصادفی بین مقطعی، 75 درصد درون نمونهای و 25 درصد برون نمونهای و مدل تحلیل چندبعدی ترجیحات وضعیت نسبتهای مالی و عملکرد آنها نزد بانک
امروزه بانکهای کشور با معضلات جدی به لحاظ نوع داراییهایشان مواجه هستند. از جمله عواملی که منجر به این وضعیت شدهاند میتوان به کیفیت بد داراییهای بانکها اشاره داشت که علت آن را میتوان نداشتن سیستم رتبهبندی و ارزیابی درست در ریسک اعتباری دانست. در این پژوهش با استفاده از مدل رگرسیون
طراحی و استقرار مدل رتبه بندی اعتباری در نظام بانکی نقش مهمی در بالا بردن کارایی تخصیص منابع به مشتریان هدف دارد. در این تحقیق با هدف تدوین مدلی جهت ارزیابی ریسک اعتباری مشتریان حقوقی بانک از ماشین بردار پشتیبان (SVM) و الگوریتم ژنتیک بهره گرفته شده است. بدین منظور، مطالعهای بر
طراحی و استقرار مدل رتبه بندی اعتباری در نظام بانکی نقش مهمی در بالا بردن کارایی تخصیص منابع به مشتریان هدف دارد. در این تحقیق با هدف تدوین مدلی جهت ارزیابی ریسک اعتباری مشتریان حقوقی بانک از ماشین بردار پشتیبان (svm) و الگوریتم ژنتیک بهره گرفته شده است. بدین منظور، مطالعهای بر
این مقاله با هدف شناسایی عوامل مؤثر بر خطرپذیری اعتباری و ارائه مدلی برای رتبه بندی اعتباری مشتریان حقوقی متقاضی تسهیلات بانک تجارت استان تهران، با استفاده از روش تحلیل پوششی داده ها انجام شده است. به این منظور بررسی های لازم بر اطلاعات مالی و غیر مالی با استفاده از یک نمونه 146
استقرار نظام رتبه بندی اعتباری با توجه به حجم انبوه مطالبات معوق بانک ها، یکی از مهمترین ابزارهای کنترل ریسک اعتباری در بانک ها و موسسات مالی است. بر این اساس، هدف اصلی این مقاله رتبه بندی اعتباری مشتریان حقوقی یکی از بانک های دولتی داخل با استفاده از شبکه های عصبی است. شبکه های