پیاده سازی و مقایسه روش های یادگیری ماشین در ارزیابی ریسک اعتباری مشتریان موسساتاعتباری و مالی

چکیده مقاله

عمده ترین ریسک در موسسات مالی، ریسک اعتباری است که عدم توانایی قرض گیرنده در بازپرداخت تسهیلات و وام در موعد مقرر معنامی شود امروزه کارشناسان موسسات می توانند با تحلیل داده های مشتریان و استفاده از یادگیری ماشین، برای تخصیص اعتبارات به آنهاتصمیم گیری نمایند بنابراین، اعطا و عدم اعطای وام، بدون قضاوت شخصی و بر مبنای ریاضیات انجام می گیرد در تحقیق پیشرو، داده هایمشتریان موسسه لندینگ کلاب از وبسایت کگل جمع آوری شده است و الگوریتم های مختلف یادگیری ماشین برای پیش بینی ریسکاعتباری بررسی شده است چالش های مهم این پژوهش، انتخاب ویژگی ها و مدل سازی بر کلاس های نامتوازن بود فلذا، نوآوری کلیدی اینپژوهش استفاده از روش های انتخاب ویژگی شامل آزمون تحلیل واریانس، آزمون اطلاعات متقابل و روش حذف بازگشتی ویژگی و ترکیبآنها با الگوریتم های یادگیری ماشین برای پیش بینی ریسک اعتباری می باشد همچنین برای مدل سازی بر کلاس های نامتوازن ، الگوریتم هایحساس به هزینه مانند درخت تصمیم ، ماشین بردار پشتیبان و الگوریتم های جمعی مثل جنگل تصادفی و تقویت گرادیان سبک استفاده شد دیگر نوآوری پژوهش استفاده از الگوریتم های جدیدتر حوزه یادگیری ماشین مانند تقویت گرادیان سبک می باشد و نتایج نشانمی دهد بهترین طبقه بندی توسط همین الگوریتم و بر ویژگی های منتخب از روش آزمون تحلیل واریانس انجام گرفته است مساحت زیرمنحنی مشخصه عملکرد این مدل برابر با ۰ ۷۲۴ و معیار اف ۰ ۵ برابر با ۰ ۷۸۸ است

کلیدواژه‌ها

نویسندگان

زهرا فتحی اقدم

کارشناسی، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران

محمدرضا رسولی

استادیار، گروه مهندسی سیستم های هوشمند، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران

فتحی اقدم، زهرا و رسولی، محمدرضا،1401،پیاده سازی و مقایسه روش های یادگیری ماشین در ارزیابی ریسک اعتباری مشتریان موسساتاعتباری و مالی،هشتمین کنفرانس بین المللی مهندسی صنایع و سیستم ها،مشهد

ارائه‌شده در

مجموعه مقالات هشتمین کنفرانس بین المللی مهندسی صنایع و سیستم ها16 شهریور 1401 · مشهد