درخت حوزه‌های تخصصی

نهاد ها و خدمات مالی

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱٬۳۸۱ تا ۱٬۴۰۰ مورد از کل ۲٬۰۷۳ مورد.
۱۳۹۳.

(بانکداری در اروپای مرکزی) لهستان پیشرفت با شتاب، تکیه بر خصوصی سازی

۱۳۹۷.

برآورد احتمال نکول مشتریان حقیقی بانک با استفاده از روش شبکه های عصبی (مطالعه موردی: بانک پاسارگاد)

کلید واژه ها: پیش بینی شبکه عصبی داده کاوی ریسک اعتباری

حوزه های تخصصی:
تعداد بازدید : ۸۷۲ تعداد دانلود : ۱۰۵۳
شناسایی عوامل اصلی نکول و استفاده از این اطلاعات در تصمیم گیری برای پرداخت تسهیلات، می تواند در کاهش هزینه های بانک نقش بسیار موثری داشته باشد. تحقیق حاضر با هدف شناسایی عوامل موثر بر ایجاد نکول و پیش بینی احتمال نکول متقاضیان حقیقی بانک پاسارگاد، با استفاده از روش شبکه های عصبی انجام شده است. نمونه مورد بررسی، شامل اطلاعات پرونده تسهیلات 470 مشتری، از جامعه آماری 25342 مشتری شعب بانک پاسارگاد شهر تهران، در سال های 1392 تا 1393 است. نتایج اجرای مدل نشان می دهد که روش شبکه های عصبی می تواند با دقت 92 درصد پیش بینی مناسبی از احتمال نکول متقاضیان داشته باشد. طبق نتایج این روش، متغیرهایی چون سوء سابقه مالی و نوع وثیقه، تاثیر زیادی بر روی پیش بینی داشته اند.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

زبان