طبقه‌بندی سبد وام‌دهی با استفاده از یک الگوریتم یادگیری ماشین نظارتی

کد مقاله : 1052-FEMATH8

نویسندگان

مهدیس تقی زاده * -

چکیده مقاله

این مقاله به بررسی استفاده از یک الگوریتم یادگیری ماشین نظارتی در طبقه‌بندی و مدیریت ریسک سبد وام‌دهی در بانک‌ها و مؤسسات مالی می‌پردازد. هدف اصلی این پژوهش، بهبود فرایند شناسایی و دسته‌بندی وام‌ها بر اساس ریسک اعتباری و ویژگی‌های مرتبط، از جمله نرخ سررسید، گستره اعتباری و اعتبار باقی‌مانده است. نتایج حاصل نشان می‌دهد که الگوریتم K-نزدیک‌ترین همسایه (KNN) با مقدار K=1 به دقت و کارایی بالایی در طبقه‌بندی و بهینه‌سازی مدیریت ریسک اعتباری دست یافته و می‌تواند به بانک‌ها در بهبود تصمیم‌گیری و تخصیص وام‌ها بر اساس سطح ریسک کمک کند. افزون بر این، مدل ارائه‌شده امکان ارزیابی سریع‌تر و دقیق‌تر ریسک اعتباری را فراهم می‌آورد که به‌ویژه برای مجموعه داده‌های بزرگ مالی کارآمد است.

کلیدواژه ها

سبد وام‌دهی، یادگیری ماشین، طبقه‌بندی، K-نزدیک‌ترین همسایه، مدیریت ریسک

وضعیت: پذیرفته شده برای ارائه شفاهی