عنوان پایان‌نامه
ارائه الگوریتم نوین جهت سنجش اعتبار مشتریان بر مبنای شبکه های عصبی در صنعت بانکداری و ارائه راه کارهایی برای کاهش ریسک جذب مشتری
- رشته تحصیلی
- مدیریت فن آوری اطلاعات
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 51410
- تاریخ دفاع
- ۳۰ شهریور ۱۳۹۰
- دانشجو
- محمد محرابیون محمدی
- استاد راهنما
- محمد موسی خانی
- چکیده
- سنجش اعتبار مشتریان امروزه به عنوان یکی از مسائل پر اهمیت برای سازمان های پولی و مالی مطرح می شود، یکی از ارکان اصلی سنجش اعتبار کاهش جذب ریسک مشتری می باشد، چنانچه سازمانی بتواند پیش از اعطای اعتبارات، مشتریان با ریسک زیاد را شناسایی نماید چنین انتخابی می تواند به کاهش هزینه های سازمان کمک فراوان نماید، صحت دسته بندی و کاهش خطاهای نوع اول و دوم یکی از مسائل مهم در زمینه سنجش اعتبار می باشد که موضوع پژوهش های زیادی بوده است. در این پژوهش با استفاده از الگوریتمی نوین به انتخاب معماری های برتر شبکه عصبی چند لایه پرسپترون با یک لایه ستون پنهان، شبکه عصبی چند لایه پرسپترون با چند لایه ستون پنهان، شبکه عصبی تابع پایه ای شعاعی و درخت تصمیم گیری پرداخته می شود و سپس نتایج آن ها با یکدیگر ترکیب می شود، الگوریتم فوق بر روی داده های اعتباری استرالیا و بانک توسعه صادرات پیاده می شود و از نتایج آن به ارائه راهکارهایی جهت کاهش جذب ریسک مشتری پرداخته می شود.
- Abstract
- Nowadays credit scoring is an important issue for financial and monetary organizations that has substantial impact on reduction of customer attraction risks. Identification of high risk customer can reduce finished cost so an accurate classification of customer and low type 1 and type 2 errors has been concerned in many studies. This study aims to develop a new algorithm that chooses best neural network architecture based on one column hidden layer MLP, multiple columns hidden layers MLP, RBFN and decision trees and ensembling them with voting methods. Proposed algorithm runs on Australia credit data and Tose Saderat bank and results used for making solution in low customer attraction risks.
