چکیده مقاله
افزایش حجم تقاضای تسهیلات و رشد مطالبات غیرجاری در نظام بانکی به ویژه در بانک های تخصصی حوزه کشاورزی ضرورت استفاده از روش های نوین تحلیل داده برای بهبود فرآیند تصمیم گیری اعتباری را برجسته ساخته است مسئله اصلی این پژوهش بررسی نقش و کارایی هوش مصنوعی در بهینه سازی فرآیند اعطای تسهیلات و کاهش ریسک نکول در بانک کشاورزی است هدف، پژوهش ارزیابی توانایی مدل های مبتنی بر هوش مصنوعی در پیش بینی دقیق تر احتمال نکول و بهبود کیفیت تصمیم گیری اعتباری در مقایسه با رویکردهای سنتی است در این راستا فرضیه اصلی پژوهش بر این مبنا استوار است که به کارگیری الگوریتم های یادگیری ماشین می تواند دقت پیش بینی نکول و کارایی فرآیند ارزیابی اعتباری را به طور معناداری افزایش دهد این پژوهش از نظر هدف کاربردی و از نظر روش توصیفی تحلیلی است جامعه آماری شامل پرونده های تسهیلات اعطایی در بانک کشاورزی در یک بازه زمانی مشخص بوده که نمونه ای از آنها به صورت هدفمند انتخاب شد داده های مورد نیاز از پایگاه های اطلاعاتی اعتباری بانک استخراج و پس از پاکسازی و آماده سازی مورد تحلیل قرار گرفت برای تحلیل داده ها از الگوریتم های یادگیری ماشین شامل رگرسیون لجستیک، درخت تصمیم و جنگل تصادفی استفاده شد و عملکرد مدل ها با معیارهایی نظیر دقت پیش بینی، حساسیت و مساحت زیر منحنی ROC ارزیابی گردید نتایج پژوهش نشان داد مدل های مبتنی بر هوش مصنوعی نسبت به روش های سنتی از دقت بالاتری در پیش بینی احتمال نکول برخوردارند و قادرند الگوهای پیچیده میان متغیرهای مالی، رفتاری و ویژگی های تسهیلات را بهتر شناسایی کنند همچنین به کارگیری این مدل ها موجب بهبود فرآیند اعتبارسنجی، کاهش زمان بررسی پرونده ها و افزایش کارایی تخصیص منابع اعتباری شد بر این اساس استفاده نظام مند از فناوری های هوش مصنوعی می تواند به عنوان ابزاری موثر در مدیریت ریسک اعتباری و ارتقای کیفیت تصمیم گیری در بانک کشاورزی مورد بهره برداری قرار گیرد
کلیدواژهها
نویسندگان
شیوه ارجاع
وفائی، نظامعلی،1405،تحلیل کاربرد هوش مصنوعی در بهینه سازی فرآیند اعطای تسهیلات و کاهش ریسک نکول در بانک کشاورزی،دوازدهمین همایش بین المللی پژوهش های شاخص در مدیریت، حسابداری، بانکداری و اقتصاد،مشهد
ارائهشده در
مجموعه مقالات دوازدهمین همایش بین المللی پژوهش های شاخص در مدیریت، حسابداری، بانکداری و اقتصاد20 اردیبهشت 1405 · مشهد