ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > التنبؤ بتعثر القروض المصرفية ب...>الوصف

التنبؤ بتعثر القروض المصرفية باستخدام التحليل التمييزي وخوارزميات التنقيب في البيانات: دراسة مقارنة بين الأساليب الإحصائية وأساليب الذكاء الاصطناعي في تقييم القروض المصرفية

العنوان بلغة أخرى: A Comparative Study between Statistical Methods and Artificial Intelligence Methods in Evaluating Bank Loans
المصدر: مجلة جامعة البعث سلسلة العلوم الاقتصادية
الناشر: جامعة البعث
المؤلف الرئيسي: الجبيلي، راميا (مؤلف)
المجلد/العدد: مج45, ع4
محكمة: نعم
الدولة: سوريا
التاريخ الميلادي: 2023
التاريخ الهجري: 1444
الصفحات: 57 - 94
ISSN: 1022-467X
رقم MD: 1367958
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
القروض المصرفية | التحليل التمييزي | الذكاء الاصطناعي | المصارف السورية
كلمات المؤلف المفتاحية:
القروض المصرفية | التحليل التمييزي | الشبكات العصبية الاصطناعية | شجرة القرارات | خوارزمية الجار الأقرب | Bank Loans | Discriminant Analysis | Artificial Neural Networks | Decision Tree | Nearest Neighbor Algorithm
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: يلعب النشاط الإقتراضي دورا هاما في نجاح المصرف، فهو يشكل المصدر الرئيسي لإيراداته وبدونه يفقد المصرف وظيفته الأساسية كوسيط مالي في الاقتصاد. لكنة في ذات الوقت نشاط مفعم بالمخاطر. الأمر الذي يتطلب استخدام أساليب واستراتيجيات تقلل من هذه المخاطر. تتيح بعض الأساليب الإحصائية وأساليب الذكاء الاصطناعي القاعدة التي تمنح متخذ القرار القدرة على التنبؤ بحالة القرض قبل المنح وبالتالي تجنب خطر التعثر. يتناول هذا البحث مقارنة تصنيف القروض المصرفية لدى المصرف الزراعي السوري باستخدام أحد الأساليب الإحصائية (التحليل التمييزي) وبعض أساليب الذكاء الاصطناعي (شجرة القرارات، الجار الأقرب، الشبكات العصبونية الاصطناعية). وقد توصلت الدراسة إلى أن استخدام كل من الأساليب السابقة يمكن المصرف من التنبؤ بحالة القرض، لكن تعتبر أساليب الذكاء الاصطناعي وعلى وجه الخصوص أسلوب الشبكات العصبية الاصطناعية هو الأسلوب الأفضل في تصنيف القروض المصرفية وذلك حسب معايير التقييم المستخدمة (MAE, R2, RMSE, MSE)‎،‏ وبحسب دقة التنبؤ التي تم حسابها.

The borrowing activity plays an important role in the success of the bank, as it constitutes the main source of its revenues, and without it the bank loses its primary function as a financial intermediary in the economy. At the same time, it is a risky activity. Which requires the use of methods and strategies that reduce these risks. Some statistical and artificial intelligence methods provide the basis that gives the decision maker the ability to predict the loan situation before granting, thus avoiding the risk activity. This research deals with a comparison of the classification of bank loans at the Syrian Agricultural Bank using one of the statistical methods (discriminant analysis) and some methods of artificial intelligence (decision tree, nearest neighbor, artificial neural networks). The study found that using each of the previous methods enables the bank to predict the loan situation, but artificial intelligence methods, in particular, artificial neural networks, are the best method for classifying bank loans, according to the evaluation criteria used (MSE, RMSE, MAE, R2) and according to the prediction accuracy that was calculated.
ISSN: 1022-467X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.