| تعداد نشریات | 60 |
| تعداد شماره‌ها | 2,043 |
| تعداد مقالات | 16,472 |
| تعداد مشاهده مقاله | 43,655,424 |
| تعداد دریافت فایل اصل مقاله | 24,823,895 |
مقایسه مدل بهینه رگرسیون لجستیک چندگانه و باینری برای رتبه‌بندی اعتباری مشتریان حقیقی بانک رفاه کارگران | ||
| پژوهشنامه اقتصادی | ||
| مقاله 6، دوره 16، شماره 63، دی 1395، صفحه 147-166 اصل مقاله (299.61 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22054/joer.2017.7587 | ||
| نویسندگان | ||
| ناهید بهارلو1؛ علی‌اکبر امین‌بیدختی* 2؛ محمد‌جواد محقق‌نیا3 | ||
| 1دانشجوی کارشناسی ارشد، گروه مدیریت، واحد سمنان، دانشگاه آزاد اسلامی، سمنان، ایران | ||
| 2عضو هیئت علمی دانشگاه سمنان | ||
| 3عضو هیأت مدیره بانک رفاه عضو هیئت علمی دانشگاه علامه طباطبایی | ||
| چکیده | ||
| یکی از وظایف اصلی موسسات مالی در حمایت از فعالان اقتصادی، اعطای تسهیلات و انجام تعهدات آنان است. پیش‌بینی ریسک اعتباری ناشی از اعطای تسهیلات و در نتیجه مدیریت این ریسک از مهم‌ترین چالش‌های پیش‌روی بانک‌ها و موسسات مالی است. هدف اصلی در این کار تهیه مدل بهینه لجستیک جهت تعیین اعتبار مشتریان حقیقی با بررسی نقش تعداد رده‌های اعتبار مشتری از دو رده خوش‌حساب و بدحساب تا چهار رده خوش‌حساب، سررسیدشده، معوق و مشکوک‌الوصول و نیز شناسایی مهم‌ترین متغییرهای مستقل تاثیرگذار بر اعتبار مشتریان حقیقی بانک رفاه کارگران است. نتایج هر دو مدل برازش لجستیک چندگانه و باینری تهیه شده در این‌کار نشان‌دهنده اهمیت نسبی متغیرهای سطح تحصیلات و سن مشتری حقیقی نسبت به سایر متغییرهای مستقل است. نتایج یکسان هر دو مدل می‌تواند نشان‌دهنده تاثیر کم افزایش تعداد رده‌بندی متغییر وابسته (اعتبار مشتری) و یا توزیع نامناسب تعداد مشتریان برای رده‌های مختلف اعتبار مشتری باشد. | ||
| کلیدواژه‌ها | ||
| اعتبارسنجی؛ مشتریان حقیقی؛ بانک؛ برازش لجستیک؛ باینری؛ چندگانه؛ لجیت؛ آماره‌های آزمون | ||
| مراجع | ||
|
البرزی، محمد، محمد‌ابراهیم محمد‌پورزرندی و محمد خان‌بابایی (1389)، »بکارگیری الگوریتم ژنتیک در بهینهسازی درختان تصمیمگیری برای اعتبارسنجی مشتریان بانک‌ها»، نشریه مدیریت فناوری اطلاعات، 2(4). محتشمی، عباس (1389)، »اعتبارسنجی مشتریان اعتباری در بانکداری نوین»: http://as-mohtashami.blogfa.com/post-49.aspx مدیرپلاس (1392)، «رگرسیون لجستیک»: http://modirplus.com/side_info.php?id=88 مهرآرا، محسن، میثم موسایی،مهسا تصوری و آیت حسن‌زاده (1388)، »رتبه بندی اعتباری مشتریان حقوقی بانک پارسیان»، فصلنامه مدلسازی اقتصادی، 3(10), 121-150. ویکی‌پدیا، (2015)، »رگرسیون لجستیک»: Retrieved from https://fa.wikipedia.org Abdou, H., A. El-Masry and J. Pointon (2007), “On the Applicability of Credit Scoring Models in Egyption Banks”, Banks and Bank Systems, 2(1), 4-20.
Hand, D., S. Sohn and Y. Kim (2005), “Optimal Bipartite Scorecards”, Expert Systems with Applications, 29(3), 684-690. doi:10.1016/ j.eswa.2005.04.032.
Hand, D. J. and N. M. Adams (2014), “Selection Bias in Credit Scorecard Evaluation”, Journal of the Operational Research Society, 65(3), 408-415. doi:10.1057/jors.2013.55.
Karimi, A. (2014), “Credit Risk Modeling for Commercial Banks”, International Journal of Academic Research in Accounting, Finance and Management Sciences, 4(3), 187-192.
Ong, C., J. Huang and G. Tzeng (2005), “Building Credit Scoring Models Using Genetic Programming”, Expert Systems with Applications, 29(1), 41-47.
doi:10.1016/j.eswa.2005.01.003
SmartDrill , “ Data Mining | Decision Support”, Retrieved from https://smartdrill.com/
Sustersic, M., D. Mramor and J. Zupan (2009), “Consumer Credit Scoring Models with Limited Data”, Expert Systems with Applications, 36(3), 4736-4744.doi:10.1016/j.eswa.2008.06.016.
Tabagari, S. (2015), “Credit Scoring by Logistic Regression”, (MS), Uuniversity of Tartu.
Torabian, A. and K. Azizi (2013), “Credit Scoring of Real Customers: A Case Study in Saderat Bank of Iran”, European Online Journal of Natural and Social Sciences, 2(3), 2725-2735. Retrieved from www.european-science.com. | ||
|
آمار تعداد مشاهده مقاله: 1,616 تعداد دریافت فایل اصل مقاله: 1,346 |
||