مقالات

مشتریان حقیقی

مشتریان حقوقی

دریافت گزارش اعتبارسنجی

مدل ریسک اعتباری و رتبه بندی مشتریان حقوقی بانک کشاورزی (قسمت دوم)

پیرامون موضوع ریسک اعتباری، امتیازدهی و رتبه بندی مشتریان بانک ها، مطالعات متعددی در سطح داخلی و خارجی صورت گرفته است. این مطالعات با استفاده از تکنیک ها و روش های مختلف آماری و اقتصادی سعی در کمی کردن ریسک اعتباری مشتریان بانک ها و موسسات مالی داشته اند که در ادامه به مرور برخی از این مطالعات و پژوهش ها پرداخته خواهد شد.

اطلاعات بیشتر

1398/8/21 سه‌شنبه

مدل ریسک اعتباری و رتبه بندی مشتریان حقوقی بانک کشاورزی (قسمت اول)

بانک ها با توجه به عملیات اعطای تسهیلات، همواره در معرض ریسک اعتباری هستند. ریسک اعتباری یکی از مهم ترین ریسک های نظام بانکی است و به منظور کاهش این نوع ریسک و هزینه های ناشی از افزایش مطالبات معوق، بانک ها و موسسات اعتباری در سال های اخیر با عنایت به توصیه های کمیته بال، توجه زیادی به رتبه بندی و اعتبار سنجی مشتریان خود معطوف داشته اند.

اطلاعات بیشتر

1398/8/20 دوشنبه

رتبه بندی اعتباری مشتریان حقوقی بانک پارسیان (بخش سوم)

روش دسته بندی گروهی داده های عددی، یک فن آوری آموزش آماری، جهت غلبه بر ضعف های آماری و شبکه های عصبی است. آنچه الگوریتم GMDH را به عنوان یک روش هیوریستیک معرفی می کند، ساختن مدل هایی برای سیستم های پیچیده از نوع رگرسین با درجات بالا می باشد که دارای مزایایی نسبت به مدل سازی کلاسیک است.

اطلاعات بیشتر

1398/8/19 يكشنبه

رتبه بندی اعتباری مشتریان حقوقی بانک پارسیان (بخش دوم)

ریسک اعتباری ریسکی است که از نکول/قصور طرف قرارداد، یا در حالتی کلی تر ریسکی که از (اتفاقی اعتباری) به وجود می آید. به طور تاریخی این ریسک معمولا در مورد اوراق قرضه واقع می شد، بدین صورت که قرض دهنده ها از بازپرداخت وامی که به قرض گیرنده داده بودند، بی اطمینانی داشتند. به همین خاطر گاهی اوقات ریسک اعتباری را (ریسک نکول) هم گویند.

اطلاعات بیشتر

1398/8/18 شنبه

رتبه بندی اعتباری مشتریان حقوقی بانک پارسیان (بخش اول)

بدین منظور اطلاعات و داده های مالی و کیفی یک نمونه تصادفی 400 تایی از مشتریان که تسهیلات دریافت نموده اند مورد بررسی قرار می گیرد. این حجم نمونه از مشتریان دارای حساب منتهی به سال 1388 انتخاب شده اند.

اطلاعات بیشتر

1398/8/16 پنجشنبه

بکارگيری تکنيک های خوشه بندی و الگوريتم ژنتيک در بهينه سازی درختان تصميم گيری برای اعتبار سنجی مشتريان بانک ها (قسمت چهارم)

در مدل ترکیبی پیشنهادی تحقیق از الگوریتم های انتخاب ویژگی مبتنی بر الگوریتم ژنتیک، درخت تصمیم گیری ژنتیکی، درختان تصمیم گیری C4.5 و همچنین الگوریت SimpleKmeans برای خوشه بندی داده ها استفاده می شود.

اطلاعات بیشتر

1398/8/15 چهارشنبه

بکارگيری تکنيک های خوشه بندی و الگوريتم ژنتيک در بهينه سازی درختان تصميم گيری برای اعتبار سنجی مشتريان بانک ها (قسمت سوم)

در این مقاله از رویکردهای فیلتر، Wrapper و طرح جاسازی شده برای انتخاب ویژگی ها استفاده می شود. روش جستجو در انتخاب ویژگی ها به صورت تصادفی و مبتنی بر الگوریتم ژنتیک است و قانون توقف برای الگوریتم انتخاب ویژگی ها، ماکزیمم تعداد تکرار در الگوریتم انتخاب ویژگی می باشد.

اطلاعات بیشتر

1398/8/14 سه‌شنبه

بکارگيری تکنيک های خوشه بندی و الگوريتم ژنتيک در بهينه سازی درختان تصميم گيری برای اعتبار سنجی مشتريان بانک ها (قسمت دوم)

برای هر موسسه ارائه دهنده خدمات مالی مثل بانک های تجاری، توانایی تفکیک مشتریان خوب و مشتریان بد، امری حیاتی و مهم می باشد. در نتیجه نیاز به مدل های معتبری است که توسط آن ها بتوان به پیش بینی قصور در بازپرداخت وام توسط مشتریان پرداخت تا ذینفعان بتوانند در زمان مناسب اقدامات پیشگیرانه و اصلاحی صحیحی انجام دهند.

اطلاعات بیشتر

1398/8/13 دوشنبه

بکارگيری تکنيک های خوشه بندی و الگوريتم ژنتيک در بهينه سازی درختان تصميم گيری برای اعتبار سنجی مشتريان بانک ها (قسمت اول)

درختان تصمیم گیری به عنوان یكی از تكنیک های داده کاوی کاربرد زیادی در اعتبار سنجی مشتریان بانک و شناسایی آن ها برای اعطای تسهیلات اعتباری دارد. مسئله اصلی در پیچیدگی درختان تصمیم گیری، اندازه بیش از حد، عدم انعطاف پذیری و دقت کم در طبقه بندی است.

اطلاعات بیشتر

1398/8/12 يكشنبه

طراحی مدل اعتبارسنجی و پیش بینی ریسک اعتباری مشتریان لیزینگ (قسمت دوم)

در این پژوهش متغیرهای وابسته ریسک اعتباری یعنی احتمال عدم بازپرداخت تسهیلات دریافتی از سوی مشتریان و متغیر مستقل اطلاعات مالی و هویتی متقاضی و ضامن می باشد. در تعیین متغیرهای مستقل از یافته ها مطالعات پیشین استفاده شده است. شاخص هایی را که در برخی مطالعات نظری طی دهه های گذشته ارائه شده است، به تفکیک قابل ارائه است.

اطلاعات بیشتر

1398/8/11 شنبه

طراحی مدل اعتبارسنجی و پیش بینی ریسک اعتباری مشتریان لیزینگ (قسمت اول)

صنعت لیزینگ امروزه به عنوان یکی از گزینه های استراتژیک توسعه اقتصادی به شمار می رود. با توجه به ماهیت فعالیت های اجاره ای، شرکت های لیزینگ از سودآوری بسیار بالایی برخوردارند و در عین حال با بیشترین مخاطرات مواجه هستند.

اطلاعات بیشتر

1398/8/9 پنجشنبه

به كارگيری الگوريتم ژنتيك در بهينه سازي درختان تصميم گيري براي اعتبار سنجي مشتريان بانك ها (قسمت دوم)

درختان تصمیم گیری به عنوان یکی از تکنیک های داده کاوی می توانند به اعتبار سنجی مشتریان بانکی بپردازند. مسئله اصلی ساخت درختان تصمیم گیری است که بتوانند به طور بهینه مشتریان را طبقه بندی کنند. در این مقاله یک مدل مناسب اعتبار سنجی مشتریان بانک ها برای اعطای تسهیلات اعتباری متناسب با هر طبقه مبتنی بر الگوریتم ژنتیک ارائه می شود.

اطلاعات بیشتر

...

اجرا با : پورتال سازمانی سیگما

Guest (ICSGuest)