عنوان پایان‌نامه
رتبه بندی اعتباری مشتریان بانک با استفاده از شبکه های عصبی مصنوعی
- رشته تحصیلی
- توسعه اقتصادی وبرنامه ریزی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده اقتصاد شماره ثبت: 1227;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 44871
- تاریخ دفاع
- ۲۷ بهمن ۱۳۸۷
- دانشجو
- هیدی یوسفی
- استاد راهنما
- حمید ابریشمی
- چکیده
- این تحقیق با هدف انتخاب مدل بهینه و متغیرهای اثرگذار جهت رتبه‌بندی اعتباری مشتریان بانکی انچام‌شده‌است. بدین منظور 204 نفر از مشتریان حقیقی یکی از بانک‌های دولتی در بین سال‌های 79 تا 85 انتخاب شدند. از این تعداد 105 نفر مشتریان، خوش‌حساب و 99 نفر، مشتریان بدحساب بودند. در مرحله اول 9 متغیر به عنوان متغیرهای اولیه اثرگذار شناسایی شدند که تعدادی از این متغیرها توسط مدل‌های به عنوان متغیرهای بی‌اثر در وضعیت اعتباری مشتریان تشخیص داده‌شده و حذف گشتند. مدل‌های استفاده‌شده در این تحقیق عبارتند از شبکه‌های عصبی با الگوریتم پس انتشارخطا، ، مدلا لاجیت، مدل پروبیت، مدل تحلیل ممیزی. مقایسه این مدل‌ها با یکدیگر نشان داد که شبکه‌های عصبی با الگوریتم شعاع محور و شبکه‌های عصبی GMDHبالاترین دقت را در پیش‌بینی رفتار اعتباری مشتریان بانکی، دارا می‌باشند.
- Abstract
- This research aims to propose an optimal model for classifying bank customer and the associated effective variables. To this end, the study uses a sample of 204 individual customers of a state owned bank over the period 1379-1385, out of whom 105 were trustworthy and 99 had a poor credit record. Initially 9 variables were selected as effective ones, but use of different models allowed the elimination of some variables that were shown to be ineffective. Models used in this research included Radial Basis Function Neural networks, Group Method of Data Handling neural networks, Multi Layer Feed Forward neural networks, logit, probit and discriminant analysis models. Comparison of results produced by different models illustrates that the Group Method of Data Handling and Radial Basis Function Neural networks model have greatest accuracy in predicting the credit behavior of bank customers
