×
زمان تقریبی انتشار: ۴ تا ۱۲ هفته

آموزش رتبه بندی اعتباری مشتریان بانک با پیاده سازی در متلب - پیش ثبت نام

آموزش رتبه بندی اعتباری مشتریان بانک با پیاده سازی در متلب - پیش ثبت نام

درخواست اطلاع رسانی انتشار این آموزش
وضعیت انتشار: در حال برنامه ریزی
زمان تقریبی انتشار: بر حسب تعداد درخواست های دانشجویان و اولویت زمانی و آموزشی اعضای هیات علمی فرادرس، انتشار این آموزش در واحد نشر فرادرس اولویت سنجی می شود. انتشار یک آموزش پس از شروع به ضبط معمولا ۴ تا ۱۲ هفته زمان می برد.
این آموزش در حال برنامه ریزی برای ارائه در فرادرس است و انتشار سریع تر آن، بستگی به تعداد متقاضیان این آموزش دارد. چنانچه شما نیز تمایل به انتشار سریع این آموزش دارید در این آموزش پیش ثبت نام نمایید.
آموزش رتبه بندی اعتباری مشتریان بانک با پیاده سازی در متلب - پیش ثبت نام

رتبه‌بندی اعتباری (credit scoring) روشی رایج به منظور مدیریت مشتریان و در نتیجه کنترل ریسک اعتباری است. بر اساس تحقیقات موجود، بیش از ۷۵ درصد اعطا کنندگان تسهیلات به مشتریان، از روش رتبه‌بندی اعتباری استفاده می‌کنند. رتبه‌بندی اعتباری در زمره تحقیقات حوزه کلاسه‌بندی قرار می‌گیرد که هدف آن دسته‌بندی مشتریان به دو دسته مشتری خوش حساب (with no default) و بدحساب (with default) است. در این فرادرس قصد داریم برخی از مدل‌های پر کاربرد در رتبه‌بندی اعتباری مشتریان بانک را معرفی کرده و با استفاده از کدنویسی در نرم‌افزار MATLAB آن‌ها را پیاده‌سازی کنیم.

آموزش رتبه بندی اعتباری مشتریان بانک با پیاده سازی در متلب - پیش ثبت نام

درخواست اطلاع رسانی انتشار این آموزش
وضعیت انتشار: در حال برنامه ریزی
زمان تقریبی انتشار: بر حسب تعداد درخواست های دانشجویان و اولویت زمانی و آموزشی اعضای هیات علمی فرادرس، انتشار این آموزش در واحد نشر فرادرس اولویت سنجی می شود. انتشار یک آموزش پس از شروع به ضبط معمولا ۴ تا ۱۲ هفته زمان می برد.
این آموزش در حال برنامه ریزی برای ارائه در فرادرس است و انتشار سریع تر آن، بستگی به تعداد متقاضیان این آموزش دارد. چنانچه شما نیز تمایل به انتشار سریع این آموزش دارید در این آموزش پیش ثبت نام نمایید.

فرادرس از جهت فرصت آموختن، یک محیط کاملا باز (بدون هیچ مرز و شرط برای ورود) برای همه است. اما از جهت فرصت آموزش دادن، یک محیط به شدت بسته است و مدرسین آن با عبور از سخت ترین ضوابط علمی و فیلترهای مهارت آموزشی برگزیده و دستچین می شوند. در چندین سال گذشته کمتر از 5 درصد متقاضیان تدریس در فرادرس توانسته اند به مرحله نهایی ارائه آموزش در آن برسند. ارائه یک آموزش توسط «گروه مدرسین فرادرس» تضمینی برای کیفیت آن می باشد.

توضیحات تکمیلی

یکی از روش‌های اصلی تامین مالی شرکت‌ها، اخذ تسهیلات از بانک‌ها است. اما بانک‌ها دارای منابع مالی محدود هستند و در این میان ارزیابی توان بازپرداخت تسهیلات توسط این مشتریان قبل از ارائه تسهیلات به آن‌ها از اهمیت بالایی برای بانک‌ها برخوردار است. عدم ارزیابی توان بازپرداخت تسهیلات مشتریان منجر به افزایش ریسک اعتباری بانک‌ها می‌شود.

رتبه‌بندی اعتباری (credit scoring) روشی رایج به منظور مدیریت مشتریان و در نتیجه کنترل ریسک اعتباری است. بر اساس تحقیقات موجود، بیش از ۷۵ درصد اعطا کنندگان تسهیلات به مشتریان، از روش رتبه‌بندی اعتباری استفاده می‌کنند. رتبه‌بندی اعتباری در زمره تحقیقات حوزه کلاسه‌بندی قرار می‌گیرد که هدف آن دسته‌بندی مشتریان به دو دسته مشتری خوش حساب (with no default) و بدحساب (with default) است.

روش‌های مختلفی برای انجام رتبه‌بندی اعتباری توسط محققین مالی ارائه شده است. در این راستا، در این فرادرس قصد داریم برخی از مدل‌های پر کاربرد در رتبه‌بندی اعتباری مشتریان بانک را معرفی کرده و با استفاده از کدنویسی در نرم‌افزار MATLAB آن‌ها را پیاده‌سازی کنیم. همچنین با ارائه یک رویکرد بهینه‌سازی با استفاده از الگوریتم ژنتیک (GA)، با مدل‌های بهینه رتبه‌بندی اعتباری نیز آشنا می‌شویم.

فهرست سرفصل‌ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: ریسک اعتباری
    • تعریف ریسک اعتباری
    • عوامل موثر بر ریسک اعتباری بانک‌ها
    • مدیریت ریسک اعتباری
    • اندازه‌گیری ریسک اعتباری
  • درس دوم: رتبه‌بندی اعتباری
    • تعریف رتبه‌بندی اعتباری
    • اهمیت رتبه‌بندی اعتباری
    • مدل‌های رتبه‌بندی اعتباری
    • روش لاجیت (Logit)
    • روش نزدیک‌ترین همسایه (KNN)
    • روش ماشین بردار پشتیبان (SVM)
    • روش درخت تصمیم (DT)
    • روش آدابوست (AdaBoost)
    • روش شبکه‌ عصبی مصنوعی (ANN)
    • روش شبکه عصبی احتمالاتی (PNN)
    • معیارهای سنجش عملکرد مدل‌های رتبه‌بندی اعتباری
    • نمودار ROC
    • Precision
    • ACC
    • Recall
    • F-Score
    • Error Type-I
    • Error-Type-II
    • Total Error
    • Score
    • انتخاب ویژگی
    • معرفی بنچمارک‌های رتبه‌بندی اعتباری
    • پیش‌پردازش داده‌ها
  • درس سوم: پیاده‌سازی مدل‌های رتبه‌بندی اعتباری با نرم‌افزار MATLAB
    • روش لاجیت (Logit)
    • روش نزدیک‌ترین همسایه (KNN)
    • روش ماشین بردار پشتیبان (SVM)
    • روش درخت تصمیم (DT)
    • روش آدابوست (AdaBoost)
    • روش شبکه‌ عصبی مصنوعی (ANN)
    • روش شبکه عصبی احتمالاتی (PNN)
  • درس چهارم: پیاده‌سازی مدل‌های رتبه‌بندی اعتباری بهینه شده با الگوریتم ژنتیک با استفاده از نرم‌افزار MATLAB
    • تنظیم پارامترهای الگوریتم ژنتیک
    • پارامترهای تصمیم و کران بالا و پایین آن‌ها
    • پیاده‌سازی مدل‌ها
    • روش نزدیک‌ترین همسایه بهینه (Optimal KNN)
    • روش ماشین بردار پشتیبان بهینه (Optimal SVM)
    • روش درخت تصمیم بهینه (Optimal DT)
    • روش آدابوست بهینه (Optimal AdaBoost)
    • روش شبکه‌ عصبی مصنوعی بهینه (Optimal ANN)
    • روش شبکه عصبی احتمالاتی بهینه (Optimal PNN)

مفید برای رشته‌های
  • مهندسی صنایع
  • بانکداری
  • اقتصاد




راهنمای سفارش آموزش‌ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

(راهنمایی بیشتر +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش رتبه بندی اعتباری مشتریان بانک با پیاده سازی در متلب - پیش ثبت نام
ناشر فرادرس
کد آموزش FVMA004
زبان فارسی
نوع آموزش آموزش ویدئویی (نمایش آنلاین + دانلود)






نظرات

در حال حاضر، دیدگاهی برای این آموزش ثبت نشده است.
برچسب‌ها:
ACC | Error Type-I | Error-Type-II | F-Score | precision | Recall | score | Total Error | انتخاب ویژگی | اندازه ‌گیری ریسک اعتباری | اهمیت رتبه ‌بندی اعتباری | بنچمارک ‌های رتبه‌بندی اعتباری | پارامترهای تصمیم و کران بالا و پایین | پیش پردازش داده ها | تعریف رتبه‌ بندی اعتباری | تعریف ریسک اعتباری | تنظیم پارامترهای الگوریتم ژنتیک | رتبه‌ بندی اعتباری | رتبه بندی اعتباری مشتریان بانک | روش آدابوست | روش آدابوست بهینه | روش درخت تصمیم | روش درخت تصمیم بهینه | روش شبکه عصبی احتمالاتی | روش شبکه عصبی احتمالاتی بهینه | روش شبکه‌ عصبی مصنوعی | روش شبکه ‌عصبی مصنوعی بهینه | روش لاجیت | روش ماشین بردار پشتیبان | روش ماشین بردار پشتیبان بهینه | روش نزدیکترین همسایه | روش نزدیکترین همسایه بهینه | ریسک اعتباری | عوامل موثر بر ریسک اعتباری بانک‌ ها | مدل‌ های رتبه ‌بندی اعتباری | مدیریت ریسک اعتباری | نمودار ROC
مشاهده بیشتر مشاهده کمتر

×
فهرست جلسات ۰ جلسه ویدئویی