فرضیه های تحقیق
بررسی فرضیات تحقیق در پژوهشهای کاربردی از اهمیت ویژه ای برخوردار است در این پژوهش هدف اصلی تحقیق، اعتبارسنجی مشتریان بانکی با استفاده از تکنیکهای داده کاوی می باشد که درصدد دریافت تسهیلات اعتباری می باشند. از این جهت فرضیات تحقیق متناسب با این هدف مورد توجه قرار گرفته و بررسی گردید.
1-5-1 : فرضيه اصلی
مدل هاي منتج از تكنيك هاي داده كاوي جهت اعتبارسنجي مبتني بر صورت هاي مالي از كارآیي مناسبي برخوردار مي باشند.
1-5-1-1 : فرضیه های فرعی
فرضيه فرعی 1 : مدل منتج از تكنيك ماشین بردار پشتیبان جهت اعتبارسنجي مبتني بر صورتهاي مالي از كارآیي مناسبي برخودار است.
فرضيه فرعی 2 : مدل منتج از تكنيك درخت تصمیم جهت اعتبارسنجي مبتني بر صورتهاي مالي از كارآیي مناسبي برخودار است.
فرضيه فرعی 3 : مدل منتج از تكنيك شبکه های عصبی جهت اعتبارسنجي مبتني بر صورتهاي مالي از كارآیي مناسبي برخودار است.
- چارچوب نظری تحقیق
داده کاوی در بسیاری از شاخه ها همچون بازاریابی، امور مالی، بانکداری، تولید، پزشکی، مدیریت ارتباط با مشتری، ردیابی، پیش بینی خرابی ها، آموزش سازمانی و… کاربرد دارد. که در این میان کاربرد داده کاوی در صنعت بانکداری از اهمیت بالایی برخوردار است که می توان به موارد زیر اشاره کرد :
- پایگاه داده عظیم و بسیاری وجود دارند. 2- اطلاعات تجاری ارزشمندی می تواند از این پایگاه داده استخراج شوند. 3- استفاده از روشهای سنتی گذشته برای پشتیبانی تصمیم و تحلیلها اجرا شدنی نیست. 4- تحلیلهای انسانی تحت تأثیر ابعاد و حجم داده ها قرار میگیرد. 5- متدهای آماری سنتی رتبه قادر به رتبه بندی نیستند و نیاز به کارشناسان و تحلیلگران مهم و قابل توجه دارد.
یکی از مباحث مهم در صنعت بانکداری تشخيص توانایي يا ارزيابي قدرت شركت ها در باز پرداخت بدهي، جهت کاهش خسارت های ناشي از ناتواني آنان در بازگرداندن تسهيلات دريافتي است. که برخی از مزایای آن عبارت است از: 1- کاهش هزینه تحلیل 2- تصمیم گیری سریع3- تضمین تسهيلات و حذف ریسک های احتمالی 4- تعیین اولویت در مجموعه اعطای تسهيلات
در نتیجه ما می توانیم از مدل های مختلفی جهت ارزیابی وضعیت مالی مشتریان استفاده کنیم که این مدل ها به دو گروه اصلی تقسیم می شوند که عبارتند از :
گروه اول: مدلهای پارامتریک: شامل 1- مدل احتمال خطی 2- مدل لاجیت و پروبیت 3- مدلهای تحلیل متمایز کننده
گروه دوم: مدلهای ناپارامتریک: شامل 1- برنامه ریزی خطی 2- شبکه های عصبی 3- درخت های تصمیم 4- مدل نزدیکترین همسایگی 5- فراگرد تجزیه و تحلیل سلسله مراتبی 6- سیستم های خبره 7- الگوریتم ژنتیک
در این پژوهش سه روش برای ارزیابی مشتریان بانک از نقطه نظر اعتبار آنها، مورد استفاده قرار خواهد گرفت. همچنین سعی شد تا با استفاده از یک مجموعه داده، مدلی مناسب برای پیش بینی وضعیت اعتباری مشتریان جدید طراحی شود. مدلی که بتواند با کمترین خطا مشتریان را اعتبارسنجی کند. از آنجاییکه پیشرفت صحت حتی به میزان کم می تواند منجر به کاهش هزینه های کلان برای بانک در زمینه ریسک اعتباری شود، در این پژوهش از روشهای ماشین بردار پشتیبان[1]، درخت تصمیم[2] و شبکه عصبی[3] برای اعتبارسنجی مشتریان استفاده می شود.
[1] Support Vector Machine
[2] Decision Tree
[3] Neural Network
متن فوق تکه ای از این پایان نامه بود
برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل می توانید به لینک زیر مراجعه نمایید:
