چطور این مقاله مهندسی صنايع را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008390 رایگان است. ترجمه چکیده این مقاله مهندسی صنايع در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل انگلیسی :
308 Kb
حجم فایل فارسی :
277 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
ارزیابی ریسک اعتباری : استفاده از روش استخراج دادهای در یک بانک روستایی
عنوان انگليسي
Assessing Credit Risk: an Application of Data Mining in a Rural Bank
نویسنده/ناشر/نام مجله
Procedia Economics and Finance
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی صنايع شامل 7 صفحه انگلیسی به صورت پی دی اف و 11 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
ارزیابی ریسک اعتباری برای وام های با وثیقه یک عملیات مهم برای سیستم های بانکداری محسوب میشود و از این طریق اطمینان حاصل میشود که وام گیرندگان وام های خود را در مهلت های زمانی تعیین شده پرداخت میکنند و همچنین بر این اساس بانکها به عنوان یک موسسه ای طبقه بندی میشوند که در آن قوانین بانکی به خوبی رعایت میشوند. این مقاله به شناسایی عواملی کمک مینماید که برای ارزیابی برنامه های اعتباری بانک های روستایی( بانک پرکردیتان راکیات ) مورد استفاده قرار میگیرند. با هدف کاهش تعداد وامهای پرداخت نشده، معیار تصمیم جاری در زمینه ارزیابی ریسک اعتباری توسط محققان مورد بررسی و تجزیه و تحلیل قرار گرفت. علاوه بر آن از یک مدل درخت تصمیم در کنار متدلوژی استخراج داده ها نیز استفاده گردید. از مدل ارزیابی ریسک اعتباری برای PT BPR X در شهر بالی اندونزی استفاده شد، این بانک دارای 1082 وام گیرنده(99/11 % ) است که وام های خود را نپرداخته اند و به عنوان وامهای نامطلوب در نظر گرفته شدهاند. این فرایند باعث میشود بانک PT BPR X در زمره بانکهایی قرار بگیرد که بر تعهدات خود پایبند نبوده و در انجام وظایف ضعیف عمل نموده است. از فرایند استخراج دادهای برای نشان دادن مدل درخت تصمیم جهت ارزیابی اعتبار استفاده میشود، همچنین در این فرایند مشخص میشود که آیا درخواست افراد وام گیرنده میتواند به عنوان ریسک وامهای پرداخت شده و نشده طبقه بندی گردد. با استفاده از متدلوژی C5.0 یک مدل درخت تصمیم جدید ساخته خواهد شد. مدلی که در این مقاله مطرح میشود معیار جدیدی را در تجزیه و تحلیل کاربرد وام نشان میدهد. نتایج به دست آمده نشان میدهند که اگر این مدل مورد استفاده قرار گیرد، بانک PT BPR X وامهای معوقه یا پرداخت نشده را تا5 % کاهش دهد و میتواند در گروه بانکهای ایده آل قرار گیرد.
1-مقدمه
بانک روستایی یا بانک پرکردیتان راکیات بانکی است که دارای فعالیت تجاری خاص در زمینه اعطای وامهای متقابل و پسانداز است، این وامها عمدتا در نواحی روستایی و شرکت های کوچک(MSME) مورد استفاده قرار میگیرند. اصطلاح BPR در این مقاله به بانک روستایی اشاره میکند. بانک روستایی برخلاف بانکهای عمومی و بر طبق قانون 1998 اندونزی به بانکی گفته میشود که دارای فعالیتهای تجاری است بدون آنکه خدمتی در معاملات پرداخت انجام دهد، در این فرایند از روشهای معمولی یا اصول سیار یا استفاده میشود بدین معنی که یک بانک روستایی باید فقط بر روی فعالیتهای پس انداز و وامهای متقابل تمرکز نماید. بانکهای اندونزی دارای قوانین خاصی هستند به طوری که سطوح عملیاتی BPR به استان خاصی محدود میشود...
ارزیابی ریسک اعتباری درخت تصمیم
:کلمات کلیدی
Abstract
Credit risk assessment for secured loans is an important operation in banking systems to ensure the lenders pay the loans on schedule and to classify the bank as a well performing bank due to regulation. This paper aims to identify factors which are necessary for a rural bank (Bank Perkreditan Rakyat) to assess credit application. By aiming on the reduction of number of non-performing loans, current decision criteria on credit risk assessment are evaluated. Subsequently, a decision tree model is proposed by applying data mining methodology. The credit risk assessment model is applied to PT BPR X in Bali that had 1082 lenders (11.99%) who had non-performing loans and were identified as bad loan cases. This made PT BPR X was categorized as a poorly performing bank. Data mining is used to suggest a decision tree model for credit assessment as it can indicate whether the request of lenders can be classified as performing or non-performing loans risk. Using C 5.0 methodology, a new decision tree model is generated. This model suggests that new criteria in analyzing the loan application. The evaluation results show that if this model is applied, PT BPR X can reduce non-performing loans to less than 5% and the bank can be classified as a well performing bank.
Keywords:
rural bank data mining non-performing loans decision tree
سایر منابع مهندسی صنايع در زمینه وام