مقاله رتبه بندی اعتباری مشتریان با بکارگیری شبکه عصبی درصنعت بانکداری (مطالعه موردی بانک اقتصاد نوین)

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله رتبه بندی اعتباری مشتریان با بکارگیری شبکه عصبی درصنعت بانکداری (مطالعه موردی بانک اقتصاد نوین) دارای ۲۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله رتبه بندی اعتباری مشتریان با بکارگیری شبکه عصبی درصنعت بانکداری (مطالعه موردی بانک اقتصاد نوین)  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله رتبه بندی اعتباری مشتریان با بکارگیری شبکه عصبی درصنعت بانکداری (مطالعه موردی بانک اقتصاد نوین)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله رتبه بندی اعتباری مشتریان با بکارگیری شبکه عصبی درصنعت بانکداری (مطالعه موردی بانک اقتصاد نوین) :

تعداد صفحات:۲۲

چکیده:

روش های سنتی تصمیم گیری در مورد اعطای اعتبار به متقاضیان وام، همانند آنچه که اکنون در کشور ما انجام می گیرد بر پایه قضاوت شخصی در مورد خطر بازپرداخت استوار است. با این وجود، فشارهای اقتصادی ناشی از افزایش تقاضا برای شکل های مختلف اعتبار، در کنار رقابت های گسترده و تلاش موسسات مالی و بانک ها برای پایین آوردن درصد عدم بازپرداخت موجب افزایش به کارگیری روش های آماری در زمینه اعطای اعتبار شده است. رتبه بندی اعتباری به منظور پیش بینی احتمال کوتاهی در بازپرداخت و یا عدم بازپرداخت و یا معادل آن برای طبقه بندی متقاضیان اعتبار به دو گروه ریسک خوب و ریسک بد مورد استفاده قرار می گیرد. مدل های رتبه بندی اعتباری، یکی از مهم ترین و اساسی ترین سیستم های تصمیم گیری هستند که بخش عمده ای از اطلاعات مورد نیاز موسسات اعتبار دهنده در مدیریت اعتبار را فراهم می کنند. هدف مدل های رتبه بندی اعتباری، پیش بینی احتمال عدم بازپرداخت اعتبار از سوی مشتری و یا طبقه بندی متقاضیان اعتبار است.از جمله مزایای این روش می توان به صرفه جویی در زمان، صرفه جویی در هزینه، حذف قضاوت های شخصی و افزایش دقت در ارزیابی متقاضیان وام اشاره کرد. روش های آماری مختلفی از جمله آنالیز ممیزی، رگرسیون خطی و لجستیک، روش های هموار سازی ناپارامتری و شبکه های عصبی در زمینه رتبه بندی اعتباری مورد استفاده قرار گرفته اند. در این میان، شبکه های عصبی به دلیل انعطاف پذیری بالاتر، در سالهای اخیر بیشتر مورد توجه قرار گرفته اند. در این مقاله یک مدل شبکه عصبی برای طبقه بندی متقاضیان دریافت وام با کمک الگوریتم SOM ارائه شده است.