تحلیل مدیریت ریسک اعتباری در بانک‌های تجاری با استفاده از مدل‌های پیش‌بینی داده‌محور

دسته بندی موضوعی : برنامه ریزی درسی و آموزشی

زبان : فارسی

نوع فایل : PDF

تعداد صفحات : 9

وضعیت : این مقاله توسط هیات داوران پایگاه ایران ژورنال داوری شده است
فصل نامه علمی تخصصی پژوهش برتر - سال دوم شماره اول - بهار 1405

نویسندگان :
محمد فتحی دانشجوی مقطع کارشناسی ارشد رشته مدیریت مالی ، دانشگاه آزاد اسلامی واحد قشم
طالب نقی پور کارشناس مدیریت صنعتی از دانشگاه شیخ بهایی اصفهان

ثبت شده توسط : ایران ژورنال

لینک مستقیم مقاله : https://iran-journals.com/doc/3162

چکیده فارسی :

مدیریت ریسک اعتباری به عنوان هسته اصلی ثبات مالی در بانک‌های تجاری شناخته می‌شود. با افزایش حجم کلان‌داده‌ها و پیچیدگی مبادلات مالی، روش‌های سنتی ارزیابی ریسک اعتباری دیگر کارایی لازم را برای شناسایی بهینه مشتریان بدحساب ندارند. پژوهش حاضر با هدف تحلیل مدیریت ریسک اعتباری در بانک‌های تجاری با استفاده از مدل‌های پیش‌بینی داده‌محور انجام شده است. روش پژوهش حاضر از نوع توصیفی-تحلیلی با رویکرد مروری کتابخانه‌ای است که طی آن، اسناد علمی و پژوهش‌های معتبر داخلی و خارجی مرتبط با حوزه هوش مصنوعی، یادگیری ماشین و ریسک اعتباری مورد واکاوی قرار گرفته‌اند. یافته‌های پژوهش نشان می‌دهد که مدل‌های داده‌محور پیشرفته اعم از درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان، شبکه‌های عصبی عمیق و مدل‌های تقویت شیب (XGBoost و LightGBM) عملکرد به مراتب دقیق‌تری در مقایسه با مدل‌های سنتی (نظیر رگرسیون لجستیک) در پیش‌بینی احتمال نکوکوهی (PD) دارند. نتایج حاکی از آن است که تلفیق ویژگی‌های سنتی با داده‌های غیرساختاریافته و استفاده از مدل‌های ترکیبی (Hybrid)، خطای نوع اول و دوم را به شدت کاهش داده و به بهبود کارایی تخصیص منابع در بانک‌ها کمک شیک می‌کند. در نهایت، چالش‌های پیاده‌سازی این مدل‌ها مانند ناترازی داده‌ها، تفسیرپذیری مدل‌ها (جعبه سیاه) و الزامات رگولاتوری مورد بحث قرار گرفته و پیشنهادهای کاربردی ارائه شده است.

کلمات کلیدی فارسی :
ریسک اعتباری، بانک‌های تجاری، مدل‌های داده‌محور، یادگیری ماشین، نکوکوهی مالی، هوش مصنوعی