پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,934,870 |
| تعداد دریافت فایل اصل مقاله | 89,606,131 |
A Trust-based Credit Scoring Model Using Neural Network | ||
| Advances in Industrial Engineering | ||
| مقاله 8، دوره 46، شماره 1 - شماره پیاپی 1311261، تیر 2012، صفحه 91-104 اصل مقاله (634.78 K) | ||
| شناسه دیجیتال (DOI): 10.22059/jieng.2012.29623 | ||
| نویسندگان | ||
| M. S. Mirtalaie؛ M.A. Azadeh؛ M. Saberi؛ B. Ashjari | ||
| چکیده | ||
| Credit decisions are extremely vital for any type of financial institution because it can stimulate huge financial losses generated from defaulters. Credit scoring models are decision support systems that take a set of predictor variables as input and provide a score as output and creditors use these models to justify who will get credit and who will not. Many different credit scoring models have been developed by the banks and researchers in order to solve the classification problems (i.e. distinguishing the good credit customers from the bad ones). Almost all these methods categorize the customers into two groups: the Good Credits and the Bad Credits. But regarding to the rapid growth in the number of credit applicants and also the intense competition between financial institutions, developing the models which are able to classify credit applicants into more groups (e.g. 6 or more), seems to be necessary. The purpose of this study is to propose an ANN- based algorithm which is capable of classifying the customers into 6 levels, regarding to their trust values. Till now, almost all of the studies in credit scoring are trying to improve the accuracy rate of the proposed algorithms and this is the first time that trust’s concept is used in credit scoring domain. On the other hand, categorizing customers into more groups, will lead to make fast, easy, certain and fair credit lending decisions. | ||
| کلیدواژه‌ها | ||
| Artificial Neural Network؛ Credit scoring؛ trust | ||
| عنوان مقاله [English] | ||
| ارائه الگوریتم هوشمند مبتنی بر اعتماد جهت تعیین اعتبار مشتریان یک سیستم مالی | ||
| نویسندگان [English] | ||
| منیره‌السادات میرطلایی؛ محمدعلی آزاده؛ مرتضی صابری؛ بهزاد اشجری | ||
| چکیده [English] | ||
| مدل‌های اعتبارسنجی با دریافت مجموعه‌ای از اطلاعات مشتری به عنوان ورودی، امتیازی را به عنوان خروجی به مشتری اختصاص می‌دهند که بانک‌ها از این امتیاز می‌توانند در راستای تخصیص اعتبار به مشتری بهره گیرند. اغلب مدل‌های ارائه‌شده در این زمینه، مشتریان را با عنوان دو گروه "خوش‌حساب" و "بد‌حساب" دسته‌بندی می‌کنند. از این رو، احتمال گرفتن تصمیمات ناعادلانه در حوزه واگذاری اعتبار به مشتریان افزایش می-یابد. با توجه به اهمیت اعتماد در تجارت الکترونیک، هدف در این تحقیق آن است تا با بهره‌گیری از شبکه عصبی مصنوعی و با تلفیق این دو مفهوم (اعتماد و اعتبارسنجی)، امکان لحاظ کردن سطح اعتماد متقاضیان در فرآیند اعطای وام به آن‌ها، برای مؤسسات مالی فراهم شود. در این پژوهش برای نخستین بار، به کاربرد مفهوم اعتماد در مدل‌های اعتبارسنجی پرداخته شده است که می‌تواند راهگشای استفاده از روشی نوین در فرآیند واگذاری اعتبار آنلاین در سیستم بانکداری باشد و از طرف دیگر با تقسیم‌بندی مشتریان به گروه‌های بیشتر، امکان اعمال سیاست‌هایی متناسب با هر گروه برای بانک‌ها فراهم شود. | ||
| کلیدواژه‌ها [English] | ||
| اعتبارسنجی, اعتماد, شبکه عصبی مصنوعی | ||
|
آمار تعداد مشاهده مقاله: 2,458 تعداد دریافت فایل اصل مقاله: 7,355 |
||