مروری بر کاربرد هوش مصنوعی و یادگیری ماشین در سنجش و مدیریت ریسک بانکی

چکیده مقاله

یادگیری ماشین ML تجزیه و تحلیل داده ها را در دهه گذشته متحول کرده است مانند بسیاری ازصنایع دیگر که به شدت به اطلاعات دقیق متکی هستند، نظارت بانکی نیز از این پیشرفت تکنولوژی سودزیادی می برد هدف از این بررسی، ارائه یک سیر جامع از چگونگی استفاده از رایج ترین تکنیک های MLبرای ارزیابی ریسک در بانکداری، با تمرکز بر دیدگاه نظارتی است ارزیابی ریسک اعتباری و تست استرسموضوعات برجسته و همچنین سایر دیدگاههای ریسک، با برخی ارجاع به بررسی های کاربردی MLهستند مرتبط ترین تکنیک هایML شامل k نزدیکترین همسایه KNN ماشینهای بردار پشتیبان SVM ، مدلهای مبتنی بر درخت تصمیم، تکنیک های تقویتی، و شبکه های عصبی مصنوعی ANN است روندهای اخیر شامل توسعه سیستم های هشدار اولیه EWS برای اعلام ورشکستگی و اصلاحتست استرس است در نهایت نتایج در یک جدول زمانی با توجه به تاریخ انتشار ارائه شده و بر اساس بازههای زمانی طبقه بندی می شوند اما با توجه به بررسیهای صورت گرفته شواهد فزاینده ای وجود دارد کهنشان میدهد تکنیک های یادگیری ماشین میتواند تجزیه و تحلیل داده ها و تصمیم گیری را در صنعتبانکداری بهبود دهد

کلیدواژه‌ها

نویسندگان

فریدون مقدس نژاد

دانشیاردانشکده عمران و محیط زیست , دانشگاه صنعتی امیرکبیر

ابوالفضل روحی

کارشناسی ارشد مهندسی صنایع گرایش مهندسی مالی، دانشگاه تربیت مدرس

احمد حداد

دانشجوی کارشناسی ارشدعمران-راه و ترابری , دانشگاه آزاد اسلامی واحد علوم و تحقیقات شاهرود

�وحی، ابوالفضل،1402،مروری بر کاربرد هوش مصنوعی و یادگیری ماشین در سنجش و مدیریت ریسک بانکی،چهارمین همایش بین المللی پژوهش های شاخص در مدیریت، حسابداری، بانکداری و اقتصاد،مشهد

ارائه‌شده در

مجموعه مقالات چهارمین همایش بین المللی پژوهش های شاخص در مدیریت، حسابداری، بانکداری و اقتصاد18 آذر 1402 · مشهد