A deep learning classifier selection method for credit scoring using neuro-fuzzy approaches
Ο πιστωτικός κίνδυνος είναι μια εξέχουσα πτυχή του χρηματοοικονομικού κινδύνου που έχει ύψιστη σημασία για τον προσδιορισμό της ευημερίας των χρηματοπιστωτικών ιδρυμάτων. Ως εκ τούτου, η παρούσα εργασία προτείνει ένα καινοτόμο Νευρο-ασαφές μοντέλο για την αποτελεσματική ταξινόμηση της πιστοληπτικής...
Αποθηκεύτηκε σε:
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | English |
| Δημοσίευση: |
2023
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/11610/25869 |
| Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
| Περίληψη: | Ο πιστωτικός κίνδυνος είναι μια εξέχουσα πτυχή του χρηματοοικονομικού κινδύνου που έχει ύψιστη σημασία για τον προσδιορισμό της ευημερίας των χρηματοπιστωτικών ιδρυμάτων. Ως εκ τούτου, η παρούσα εργασία προτείνει ένα καινοτόμο Νευρο-ασαφές μοντέλο για την αποτελεσματική ταξινόμηση της πιστοληπτικής ικανότητας των δανειοληπτών. Η ερευνητική μεθοδολογία περιλαμβάνει δύο ανεξάρτητες φάσεις. Στην αρχική φάση, χρησιμοποιείται ένα Τεχνητό Νευρωνικό Δίκτυο (ΑΝΝ) για τη δημιουργία μετρικών αξιολόγησης για τις τρεις διαφορετικές τοπολογίες ΑΝΝ, δηλαδή με 1, 2 και 3 κρυφά στρώματα. Ταυτόχρονα, στη δεύτερη φάση, κατασκευάζεται μια ιεραρχία μετρικών αξιολόγησης μέσω της ενσωμάτωσης των απόψεων των εμπειρογνωμόνων, χρησιμοποιώντας το μοντέλο Fuzzy AHP. Με τη συγχώνευση των αποτελεσμάτων των δύο φάσεων, χρησιμοποιείται ένα μοντέλο TOPSIS για τον προσδιορισμό της βέλτιστης τοπολογίας νευρωνικού δικτύου για την ταξινόμησης της πιστοληπτικής ικανότητας. Η αποτελεσματικότητα του προτεινόμενου μοντέλου, αξιολογείται από την εφαρμογή του σε τρία διαφορετικά σύνολα δεδομένων. Τα συμπεράσματα που εξάγονται από την παρούσα έρευνα υπογραμμίζουν την απαραίτητη ανθρώπινη εμπειρογνωμοσύνη, όπως διευκολύνεται από την προσέγγιση Fuzzy AHP, ιδίως σε περιπτώσεις όπου τα μοντέλα ANN αποδίδουν συγκρίσιμα αποτελέσματα μετρικών επιδόσεων. Κατά συνέπεια, η προσέγγιση αυτή αναδεικνύεται ως ένας πολύτιμος μηχανισμός επικύρωσης των αποφάσεων που βασίζονται στα αποτελέσματα του ANN. |
|---|