طراحی سیستم توصیه گر به منظور بهینه سازی و مدیریت تسهیلات بانکی بر مبنای الگوریتم های خوشه بندی و طبقه بندی تسهیلات

سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 53

فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SAIM-1-2_003

تاریخ نمایه سازی: 24 آذر 1402

چکیده مقاله:

تسهیلات بانکی به عنوان یکی از پراهمیت ترین کارکرد بانک ها از اهمیت بالایی برخوردار است. اهمیت شناسایی مشتریان تسهیلاتی اگر بیشتر از مشتریانی سپرده گزار نباشد به هیچ وجه کمتر نخواهد بود. در پژوهش های صورت گرفته، اهمیت این مشتریان بطور نسبی کمتر موردتوجه قرار گرفته است. هدف اصلی پژوهش حاضر، کاستن از مشکلات ارائه تسهیلات مناسب به مشتریان و طراحی سیستم توصیه گر تسهیلات بانکی با استفاده از داده های قبلی مربوط به تسهیلات ثبت شده در یک بانک منتخب و بزرگ کشور می باشد. راهکار ارائه شده، با دریافت داده های تسهیلات و اطلاعات حساب مشتری، گروه های مشتریان را در طی فرآیند آموزش و اعتبارسنجی، فراگرفته و بر مبنای آن، امکان پیش بینی شرایط مشتری برای دریافت تسهیلات آتی را فراهم می نماید. به منظور طراحی راهکار توصیه گر، روش های داده کاوی مناسب به همراه رویکرد اعتبارسنجی متناسب با هر روش انتخاب گردید و سیستم نهایی با خطای اندک، جهت گیری مناسب بانک نسبت به متقاضیان دریافت تسهیلات را معین نموده است که به تصمیم گیری مدیران برای ارائه دقیق تر تسهیلات، یاری خواهد رساند. این سیستم به بانک ها کمک می کند تا با شناسایی انواع مشتریان تسهیلاتی خود، تصمیمات مرتبط با هر گروه را به منظور ایجاد حداکثر سود و کاهش هزینه های وصول مطالبات اتخاذ نمایند و رویکرد متناسبی را برای هر مشتری در پیش گیرند. در نهایت، سیستم به سرپرستان بانک نیز ارائه گردید و بازخوردهای مطلوبی برای بهبود و ارتقاء راهکار دریافت شد.

نویسندگان

بابک سهرابی

استاد مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

ایمان رئیسی وانانی

استادیار مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران

فائزه زارع میرک آباد

کارشناس ارشد، مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Mehta J. S., Gawande A. (۲۰۱۵) "A purpose of data ...
  • Ramos S., Duarte J. M., Duarte F. J., Vale Z. ...
  • Chen C. C., Chen A. P. (۲۰۰۷)"Using data mining technology ...
  • Afsar A., Houshdar Mahjoub R., Minaie Bidgoli B. (۲۰۱۴) "Customer ...
  • Mahdavi K., Horri M.S., (۲۰۱۵) "Designing a model for predicting ...
  • Ngai E., Hu Y., Wong Y., Chen Y., Sun X. ...
  • Ramos S., Duarte J. M., Duarte F. J., Vale Z. ...
  • Q. He, (۱۹۹۹) "A review of clustering algorithms as applied ...
  • Jianying M., Yongjian F., Yanguang S. (۲۰۰۹) A neural networks-based ...
  • Das J., Mukherjee P., Majumder S., Gupta P. (۲۰۱۴), "Clustering-based ...
  • Asosheha A., Bagherpour S.,Yahyapour N. (۲۰۰۸) "Extended acceptance models for ...
  • Zahra S., Ghazanfar M. A., Khalid A., Azam M. A., ...
  • Shani G., Gunawardana A. (۲۰۱۱) "Evaluating recommendation Systems", In F. ...
  • Guo, G., et al. (۲۰۱۵). "Leveraging multiviews of trust and ...
  • Hsieh N.C. (۲۰۰۴) An integrated data mining and behavioral scoring ...
  • Kim J.B., Song B. Y., Zhang Y. (۲۰۱۵) "Earnings performance ...
  • de Oña R., de Oña J. (۲۰۱۵) "Analysis of transit ...
  • Hsieh N.C. (۲۰۰۴) An integrated data mining and behavioral scoring ...
  • Schetinin V., Jakaite L., Jakaitis J., Krzanowski W. (۲۰۱۳) "Bayesian ...
  • Yang X., Chen J., Hao P., Wang Y. J. (۲۰۱۵) ...
  • Islam M., Habib M. (۲۰۱۵) A data mining approach to ...
  • نمایش کامل مراجع