كنفرانس بين المللی مهندسی صنايع و سيستم ها

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

Comparing the Accuracy of Machine Learning Algorithms in Predicting Non-performing Loans of Banks

نویسندگان :

Mohammad Reza Esmaeili¹ Mohammad Ebrahim Mohammad Pour Zarandi² Mehrzad Minooei³

1- دانشگاه آزاد اسلامی واحد تهران مرکزی 2- دانشگاه آزاد اسلامی واحد تهران مرکزی 3- دانشگاه آزاد اسلامی واحد تهران مرکزی

کلمات کلیدی :

Machine Learning Algorithms،Random Forest،K-Nearest Neighbors،Tobit Regression،Non-performing Loans،Forecasting Models

چکیده :

this research assesses the accuracy of three machine learning algorithms in forecasting banks’ non-performing loans. Non-performing loans are those not paid within the terms specified in the contract between the borrower and the bank. Predicting such loans is crucial for banks as they pose challenges to the banks’ liquidity management. Four macroeconomic and five bank-specific variables were selected to forecast non-performing loans. The data of these variables from 2010 to 2021 were extracted from reliable and available information sources. Anaconda software with Python programming language was used, and Tobit regression, K-nearest neighbor (KNN), and random forest algorithms were applied. Evaluation criteria included Mean Absolute Error, Mean Squared Error, R2-Score, and Root Mean Squared Error. The study found that the random forest model exhibited higher prediction accuracy compared to other models used.

لیست مقالات

لیست مقالات بایگانی شده

توسعه مدلی ریاضی برای یکپارچه سازی مسئله ی زمان بندی سلولی و تخصیص کارگر با امکان برون سپاری و در نظر گرفتن کاهش مصرف انرژی

راضیه قنبری - محمد محمدی - کامران فرقانی

شناسایی و تعیین معیارهای نگهداری و تعمیرات پل های پیش ساخته بتنی راه آهن با روش دلفی

حسین فرشاد - نادر عبدلی یزدی - احسان اله اشتهاردیان

بهینه سازی سبد سرمایه گذاری مبتنی بر پیش‌بینی نوسانات با مدل‌های واریانس ناهمسانی شرطی خود‌رگرسیونی (مطالعه موردی بورس اوراق بهادار تهران)

فاطمه مصباحی - علیرضا سلیمانی

تصمیم گیری برای تشکیل تیم توسعه محصول جدید تحت شرایط عدم قطعیت فازی با رویکرد رتبه‌بندی کاندیداها

مهدی مزروعی سبدانی - سیدمیثم موسوی - محمد سعید منصوری

Neural network model of CO2 emissions for chickpea production under dry farming system in Ravansar county of Iran

Ashkan Nabavi-Pelesaraei

A Time-Indexed Model for Online Ride-Sharing Optimization: Benchmarking Online Algorithms

Pouria Shahmiri - Mohammd Hossein Shahmoradi - Kourosh Eshghi

رویکردی جدید برای تصمیم‌گیری گروهی بر اساس روش بهترین-بدترین ساده شده

سجاد امیریان - مقصود امیری - محمدتقی تقوی فرد

A mathematical model for the project portfolio selection and scheduling problem under uncertainty

Ali Namazian

طراحی مدل پیش‌بینی و اندازه‌گیری ظرفیت نوآوری باز در صنعت بانکداری ایران با رویکرد استنتاج فازی عصبی-تطبیقی (ANFIS)

سید فرید موسوی - مرجان دوستی بیدختی - رضا یوسفی زنوز - آرزو گازری نیشابوری

Prediction of economic indices for dry farming chickpea production in Ravansar county of Iran using artificial neural networks

Ashkan Nabavi-Pelesaraei

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.5.2