ارزیابی ریسک اعتباری متقاضیان تسهیلات بانکی به روش استدلال مبتنی بر مورد (CBR)

اکرمی، محمود و آزاده رهنما اسکی. (1388). بررسی عوامل مؤثر در مطالبات سررسید گذشته و معوق بانکی، پژوهشنامه اقتصادی ویژه نامه بانک، شماره 6، ص 216-195.

انصاری، سارا. (1388). اعتبارسنجی مشتریان حقوقی بانک پارسیان با استفاده از شبکه عصبی مصنوعی. پایان نامه کارشناسی ارشد، تهران. دانشگاه الزهرا، دانشکده علوم اجتماعی و اقتصادی.

بانک مرکزی جمهوری اسلامی ایران، (1388). آیین نامه وصول مطالبات سر رسید گذشته، معوق و مشکوک الوصول مؤسسات اعتباری مصوب هیئت وزیران.

البرزی، محمود، محمد پورزرندی، محمد ابراهیم و خان بابایی، محمد، (1391). به کارگیری الگوریتم ژنتیک در بهینه سازی درختان تصمیم­گیری برای اعتبارسنجی مشتریان بانک­ها، نشریه مدیریت فناوری اطلاعات، دوره 2، شماره 4، ص 38-23.

جلیلی، محمد، خدائی به­زادفرد، محمد  و کنشلو، مهدیه. (1389)، اعتبارسنجی مشتریان حقیقی در سیستم بانکی کشور، مطالعات کمی در مدیریت، دوره 1، شماره 3، ص 148- 127.

جمشیدی، سعید (1389). شیوه­های اعتبارسنجی مشتریان. تهران: پژوهشکده پولی و بانکی.

حسینی، وحید (۱۳۹۴)، ارائه یک چارچوب جدید سیستم امتیاز دهی اعتباری مبتنی بر ماشین بردار پشتیبان جهت مدیریت ریسک اعتباری در بانک ها و مؤسسات مالی، کنفرانس بین المللی پژوهش در مهندسی، علوم و تکنولوژی، استانبول، مؤسسه مدیران ایده پرداز پایتخت ویرا.

خالصی، نرگس و شکوهی، امیرحسین (1389). ارائه روشی جدید برای اعتبارسنجی مشتریان بانکی با استفاده از تکنیم­های داده کاوری. مجموعه مقالات چهارمین کنفرانس داده کاوی ایران. تهران: دانشگاه شریف.

دهقانی، محمد علی. (1388) .ارئه مدلی برای رتبه­بندی اعتباری مشتریان حقیقی در بانک کارآفرین. پایان نامه کارشناسی ارشد، مؤسسه عالی بانکداری ایران.

ذکاوت، سید مرتضی، پرویزیان، کوروش و محمدیان، مهدی. (1386). رتبه­بندی داخلی مشتریان بانک­ها با استفاده از مدل­های رگرسیونی لاجیت. پژوهشنامه اقتصادی، شماره 6، ص 89-61.

رجب زاده قطری، علی، احمدی، پرویز و بهرام میرزایی، آرش ، (1388). طراحی سیستم هوشمند ترکیبی رتبه­بندی اعتباری مشتریان بانک­ها با استفاده از مدل­های استدلال فازی ترکیبی، فصلنامه پژوهشنامه بازرگانی، شماره 53، ص 201- 159.

صفارزاده, غلامرضا و مدافعی، پویا. (۱۳۹۳). اعتبار سنجی تخصیص تسهیلات در نظام بانکی با رویکرد تحلیل پوششی داده ها در قالب شبکه عصبی، کنفرانس بین المللی حسابداری و مدیریت، تهران، مؤسسه همایشگران مهر اشراق، مرکز همایش­های دانشگاه تهران.

عنایی, سیده مریم، صادق زاده، مهدی و کشاورز، مهدی. (۱۳۹۳). ارائه روشی جدید بر مبنای خوشه بندی و انتخاب ویژگی برای امتیاز دهی اعتباری مشتریان بانک، اولین همایش داخلی مهندسی کامپیوتر و فناوری اطلاعات، بروجن، دانشگاه آزاد اسلامی واحد بروجن.

میرطلایی، منیره السادات و محمدعلی آزاده، مرتضی صابری، بهزاد اشجری، (1391). اراده الگوریتم هوشمند مبتنی بر اعتماد جهت تعیین اعتبار مشتریان یک سیستم مالی، نشریه تخصصی مهندسی صنایع، دوره 46، شماره 1، ص 104-91.

 

Abdou, H. A., & Pointon, J. (2009). Credit scoring and decision making in Egyptian public sector banks. International journal of managerial finance,5(4), 391-406.

Abdou, H., Pointon, J., & El-Masry, A. (2008). Neural nets versus conventional techniques in credit scoring in Egyptian banking. Expert Systems with Applications, 35(3), 1275-1292.

Basel Committee On Banking. (2006). Studies on the validation of internal rating Systems. Working paper, 14.

Chen,F-l., Li,F-ch. (2010). Combination of feature selection approaches with SVM in credit scoring. Expert systems with application’s, 37, 4902-490

Emekter, R., Tu, Y., Jirasakuldech, B., & Lu, M. (2015). Evaluating credit risk and loan performance in online Peer-to-Peer (P2P) lending. Applied Economics, 47(1), 54-70.

Huaug, l-l. tzeng, G-h, & One, Ch-Sh. (2007) Two- stage genetic Programming (2SGP) for the credit scoring model. Applied mathematics and computation, 174, 1036-1053.

Jacobson, T. , Roszbach, K, (2003). Bank leding policy, credit scoring and value-at-risk. J. banking & finane. 27, 4, 615-633.

Johnson, R. A., & Wichern, D. W. (2002). Applied multivariate statistical analysis (Vol. 5, No. 8). Upper Saddle River, NJ: Prentice hall.

Kollár, B., Weissová, I., & Siekelová, A. (2015). Comparative Analysis of Theoretical Aspects in Credit Risk Models. Procedia Economics and Finance, 24, 331-338.

Lee Amy H.I; Wen-Chin Chen, Ching-Jan, Chang (2008), A fuzzy AHP and BSC approach for evaluating performance of IT department in the manufacturing industry in Taiwan, Expert Systems with Applications.

Lee, K. C., & Chung, N. (2009). Understanding factors affecting trust in and satisfaction with mobile banking in Korea: A modified DeLone and McLean’s model perspective. Interacting with computers, 21(5-6), 385-

Lee, T. S., & Chen, I. F. (2005). A two-stage hybrid credit scoring model using artificial neural networks and multivariate adaptive regression splines.Expert Systems with Applications, 28(4), 743-752.

Lee. H.K.H., (2008). Model selection for consumer loan application data. Technical report:650. Carnegie mellon university. Department of Statistics.

Malhotra, R., & Malhotra, D. K. (2008). Differentiating between good credits and bad credits using neuro-fuzzy systems. European journal of operational research, 136(1), 190-211.

Perner, P. (2014). Mining sparse and big data by case-based reasoning.Procedia Computer Science, 35, 19-33.

Sarlija, N., Bensic, M., & Zekic-Susac, M. (2006). Modeling customer revolving credit scoring using logistic regression, survival analysis and neural networks. In Proceedings of the 7th WSEAS international conference on neural networks (pp. 164-169). World Scientific and Engineering Academy and Society (WSEAS).

Sousa, M. R., Gama, J., & Brandão, E. (2016). A new dynamic modeling framework for credit risk assessment. Expert Systems with Applications, 45, 341-351.