1- دانشجوی دکتری گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران 2- استادیار گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران (نویسنده مسئول) ، Ali.mohammadi@iauz.ac.ir 3- استادیار گروه حسابداری ،واحد زنجان،دانشگاه آزاد اسلامی، زنجان، ایران
چکیده: (18 مشاهده)
با توجه به ماهیت کمی پژوهش و استفاده از دادهکاوی جهت اعتبارسنجی مشتریان بانکی، لذا این تحقیق از نوع داده محور میباشد. پایه اصلی تحقیق حاضر بر کشف دانش از پایگاه دادههای بانکی است. در این تحقیق پس از جمعآوری دادههای مشتریان سابق بانک از پایگاه داده مربوطه و پس از آن، پالایش دادهها، به شناسایی متغیرهای تاثیرگذار در رتبهبندی مشتریان پرداخته می شود که این کار از طریق بررسی پژوهش های پیشین علمی، انجام می شود. در مرحله بعد با استفاده از تکنیکهای خوشهبندی کا-میانگین و ماشین بردار پشتیبان و با کمک نرمافزارهای مربوطه مشتریان بر اساس ویژگیهایشان طبقهبندی می گردند و رفتار آنها پیشبینی می شود. به منظور رتبهبندی اعتباری، از تحلیل اطلاعات مربوط به مشتریان حقیقی بانک تجارت و بانک سامان تهران که به عنوان متولیان اجرایی کردن ساپتک و رگتک هستند، استفاده می شود که با فرمول کوکران 230 نمونه از مشتریان دارای حساب منتهی به سال 1400 تا 1401 انتخاب شدند. از میان متغیرهای پژوهش «ارزش وثیقه، نرخ بهره و نرخ تورم» بیشترین تاثیر در ریسک اعتباری را داشته است. نتایج نشان داد دقت مدلهای تکنیکهای انتخابی در این پژوهش بسیار خوب بوده این مدلها توانستهاند به طور میانگین 81,02 % از مشتریان ریسکی و غیرریسکی را تشخیص دهند. همچنین طبق نتایج، انتخاب ویژگی در تمامی تکنیکها باعث افزایش دقت پیش بینی شده است. تکنیک ماشین بردار پشتیبان (SVM) که در این پژوهش استفاده شده است،بیشترین دقت را در تمام مدل ها داشته و با انتخاب ویژگی ها نسبت به مدل پایه دقت این مدل افزایش یافته است و بالاترین میزان دقت (81,58 %) را در بین تمامی تکنیکها داشته است.
Mashrooti M, Mohammadi A, Mohammadi M. Identification and control of credit risk in banks relying on new monitoring technologies with K-MEANS clustering algorithm and support vector machine. mieaoi 2026; 14 (53) : 16 URL: http://mieaoi.ir/article-1-1725-fa.html
مشروطی مریم، محمدی علی، محمدی مهدی. شناسایی و کنترل ریسک اعتباری در بانک های متکی بر فناوری های نوین نظارتی با الگوریتم خوشه بندی K-MEANS و ماشین بردار پشتیبان. نشریه اقتصاد و بانکداری اسلامي. 1404; 14 (53) :439-465
