پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 43 |
| تعداد شماره‌ها | 1,714 |
| تعداد مقالات | 14,051 |
| تعداد مشاهده مقاله | 34,015,787 |
| تعداد دریافت فایل اصل مقاله | 13,622,759 |
پیش‌بینی احتمال وقوع ریسک عملیاتی در صنعت بانکداری با استفاده از الگوریتم‌های یادگیری ماشین | ||
| مدیریت دارایی و تامین مالی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 25 فروردین 1404 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22108/amf.2025.143030.1929 | ||
| نویسندگان | ||
| حامد نادری1؛ محمد علی رستگار سرخه* 2؛ بختیار استادی3؛ مهرداد کارگری4 | ||
| 1دانشجوی دکتری مهندسی صنایع، گروه مهندسی صنایع، دانشکده مهندسی صنایع و سیستم‌ها دانشگاه تربیت مدرس، تهران، ایران. | ||
| 2استادیار، گروه مدیریت سیستم و بهره‌وری، دانشکده مهندسی صنایع و سیستم‌ها، دانشگاه تربیت مدرس، تهران، ایران | ||
| 3دانشیار، گروه مدیریت سیستم و بهره‌وری، دانشکده مهندسی صنایع و سیستم‌ها، دانشگاه تربیت مدرس، تهران، ایران | ||
| 4دانشیار، گروه مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع و سیستم‌ها، دانشگاه تربیت مدرس، تهران، ایران | ||
| چکیده | ||
| هدف: هدف این مقاله بررسی و پیش‌بینی احتمال وقوع ریسک عملیاتی در صنعت بانکداری با استفاده از الگوریتم‌های یادگیری ماشین است. هدف اصلی آن تحلیل داده‌های مرتبط با ریسک عملیاتی و ارزیابی عملکرد الگوریتم‌های مختلف یادگیری ماشین به منظور ارائه ابزارهای مؤثر برای بهبود مدیریت و کاهش خسارات ناشی از این نوع ریسک در بانک‌ها و مؤسسات مالی است. روش: در این پژوهش، داده‌های مرتبط با ریسک عملیاتی از سال 1395 تا 1402، جمع‌آوری و پیش‌پردازش شدند و سپس با استفاده از مدل‌های یادگیری ماشین مانند RF، DT، SVM، LR، NB و KNN پیش‌بینی انجام شد. عملکرد مدل‌ها با معیارهایی همچون دقت، صحت، بازخوانی، F1-score و AUC ارزیابی شد تا بهترین مدل برای پیش‌بینی احتمال وقوع ریسک انتخاب شود. نتایج: نتایج نشان می‌دهند که الگوریتم‌های RF و SVM در پیش‌بینی احتمال وقوع ریسک عملیاتی در تمامی حالت‌ها عملکرد بسیار خوبی دارند. . نتایج نشان می‌دهند که الگوریتم‌های یادگیری ماشین توانایی بالایی در پیش‌بینی وقوع ریسک عملیاتی دارند و می‌توانند ابزار مؤثری برای تصمیم‌گیری‌های مدیریتی در صنعت بانکداری فراهم کنند. | ||
| کلیدواژه‌ها | ||
| پیش‌بینی ریسک؛ ریسک عملیاتی؛ مدیریت ریسک؛ یادگیری ماشین | ||
|
آمار تعداد مشاهده مقاله: 55 |
||