مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه فناوری اطلاعات و ارتباطات ایران 2717-0411 6 20 2019 10 30 A Hybrid Neural Network Ensemble Model for Credit Risk Assessment ارائة مدل ترکیبی شبکه‌های عصبی با بهره‌گیری از یادگیری جمعی به منظور ارزیابی ریسک اعتباری 1 20 fa شعبان الهی دانشگاه تربیت مدرس احمد قدس‌الهی دانشگاه تربیت مدرس حمیدرضا ناجی دانشگاه شهید بهشتی 2020 5 6 Banking is a specific industry that deals with capital and risk for making profit. Credit risk as the most important risk, is an active research domain in financial risk management studies. In this paper a hybrid model for credit risk assessment which applies ensemble learning for credit granting decisions is designed. Combining clustering and classification techniques resulted in system improvement. The German bank real dataset was used for neural network training. The proposed model implemented as credit risk evaluation multi agent system and the results showed the proposed model has higher accuracy, better performance and lesser cost in applicant classification when compared with other credit risk evaluation methods بانکداری صنعت ویژه‌ایی است که با سرمایه و ریسک برای کسب سود مواجه است. یکی از مهم‌ترین ریسک‌های بانکی، ریسک اعتباری است که حوزة تحقیقاتی پویایی را در مطالعات مدیریت به خود اختصاص داده است. در این پژوهش یک سیستم ترکیبی ارزیابی ریسک اعتباری ارائه می‌شود، که از یادگیری جمعی برای تصمیم‌گیری در مورد اعطای اعتبار به فرد متقاضی استفاده می‌کند. ترکیب تکنیک‌های دسته‌بندی و خوشه‌بندی در این پژوهش، منجر به بهبود عملکرد سیستم می‌شود. برای آموزش شبکه‌های عصبی از مجموعة داده‌های واقعی، از نمونه‌های تقاضای اعتبار در بانکی در آلمان استفاده شده است. مدل پژوهش در قالب یک سیستم چند عاملی ارزیابی ریسک‌اعتباری طراحی شد و نتایج نشان داد که این سیستم صحتّی بالاتر، عملکردی برتر و هزینة کم‌تری، در دسته‌بندی متقاضیان اعتبار نسبت به دیگر روش‌های مشابه حاصل می‌کند. http://jour.aicti.ir/ar/Article/Download/6581