كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / هشتمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

پیاده‌سازی و مقایسه روش‌های یادگیری ماشین در ارزیابی ریسک اعتباری مشتریان موسسات اعتباری و مالی

نویسندگان :

زهرا فتحی اقدم¹ محمدرضا رسولی²

1- دانشگاه علم و صنعت ایران 2- دانشگاه علم و صنعت ایران

کلمات کلیدی :

ریسک اعتباری،طبقه بندی،درخت تصمیم،ماشین بردار پشتیبان،جنگل تصادفی،تقویت گرادیان سبک،یادگیری ماشین

چکیده :

عمده‌ترین ریسک‌ در موسسات مالی، ريسك اعتباري است که عدم توانایی قرض‌گیرنده در بازپرداخت تسهیلات و وام در موعد مقرر معنا می‌شود. امروزه کارشناسان موسسات می‌توانند با تحلیل داده‌‌های مشتریان و استفاده از یادگیری ماشین، براي تخصيص اعتبـارات بـه آن‌ها تصمیم‌گیری نماينـد. بنابراین، اعطا و عدم اعطای وام، بدون قضاوت شخصي و بر مبنای ریاضیات انجام می‌گیرد. در تحقیق پیشرو، داده‌های مشتریان موسسه لندینگ‌کلاب از وبسایت کگل جمع‌آوری شده‌است و الگوریتم‌های مختلف ‌‌یادگیری ماشین برای پیش‌بینی ریسک اعتباری بررسی شده‌است. چالش‌های مهم این پژوهش، انتخاب ویژگی‌ها و مدلسازی بر کلاس‌های نامتوازن بود. فلذا، نوآوری کلیدی این پژوهش استفاده از روش‌های‌ انتخاب ویژگی شامل آزمون تحلیل واریانس ، آزمون اطلاعات متقابل و روش حذف بازگشتی ویژگی و ترکیب آن‌ها با الگوریتم‌های یادگیری ماشین برای پیش‌بینی ریسک اعتباری می‌باشد. همچنین برای مدلسازی بر کلاس‌های نامتوازن ، الگوریتم‌های حساس به هزینه مانند درخت تصمیم ، ماشین بردار پشتیبان و الگوریتم‌های جمعی مثل جنگل تصادفی و تقویت گرادیان سبک استفاده شد. دیگر نوآوری پژوهش استفاده از الگوریتم‌های جدیدتر حوزه یادگیری ماشین مانند تقویت گرادیان سبک می‌باشد و نتایج نشان ‌‌می‌دهد بهترین طبقه‌بندی توسط همین الگوریتم و بر ویژگی‌های منتخب از روش آزمون تحلیل واریانس انجام گرفته‌است. مساحت زیر منحنی مشخصه عملکرد این مدل برابر با 0.724 و معیار اف0.5 برابر با 0.788 است.