ارزیابی ریسک اعتباری در بانک ها با استفاده از مدل های رگرسیون لجستیک

چکیده مقاله

هدف این تحقیق، ارزیابی ریسک اعتباری بانکها با استفاده از دو مدل یادگیری ماشینی رگرسیون لجستیک و جنگل تصادفی است با توجه به اهمیت ریسک اعتباری و تاثیر آن بر عملکرد بانکها، مدل های مختلفی برای پیش بینی وضعیت وام ها مورد بررسی قرار گرفته است ابتدا، داده ها از فایل CSV خوانده شده و پیش پردازش اولیه شامل حذف مقادیر گمشده و تبدیل متغیرهای طبقه بندی به قالب عددی انجام شده است سپس داده ها به دو مجموعه آموزشی و آزمایشی تقسیم و مدلها آموزش داده شدند برای ارزیابی عملکرد مدلها، از ماتریس سردرگمی و منحنی های ROC استفاده شده است نتایج نشان می دهند که مدل جنگل تصادفی با دقت کلی ۹۳ درصد و دقت بالا در شناسایی وام های پیش فرض ۹۵ درصد، عملکرد بهتری نسبت به رگرسیون لجستیک دارد همچنین، امتیاز F۱، مدل جنگل تصادفی تعادل بهتری میان دقت و Recallنشان می دهد پیشنهاد می شود که برای بهبود بیشتر، تکنیک های بهینه سازی مدل و استفاده از الگوریتم های پیشرفته تر مورد بررسی قرار گیرند

کلیدواژه‌ها

نویسندگان

رحمت اله محمدی پور

گروه حسابداری، واحد ایلام، دانشگاه آزاد اسلامی، ایلام، ایران

یوسف فیض الهی

دانشجوی دکتری مهندسی مالی، واحد ایلام، دانشگاه آزاد اسلامی، ایلام ایران

صادق فیض الهی

گروه مدیریت، واحد ایلام، دانشگاه آزاد اسلامی، ایلام، ایران

محمدی پور، رحمت اله و فیض الهی، یوسف و فیض الهی، صادق،1403،ارزیابی ریسک اعتباری در بانک ها با استفاده از مدل های رگرسیون لجستیک،هفدهمین کنفرانس بین المللی پژوهش های نوین در مدیریت، اقتصاد، حسابداری و بانکدار�

ارائه‌شده در

مجموعه مقالات هفدهمین کنفرانس بین المللی پژوهش های نوین در مدیریت، اقتصاد، حسابداری و بانکداری19 مرداد 1403