| Περίληψη: | Πιστωτικός κίνδυνος ή η πιστωτική αθέτηση υποδηλώνει την πιθανότητα μη αποπληρω-μής των τραπεζικών χρηματοοικονομικών υπηρεσιών που έχουν δοθεί στους πελάτες. Ο πιστω-τικός κίνδυνος ήταν πάντα ένας εκτενώς μελετημένος τομέας στις αποφάσεις τραπεζικού δα-νεισμού. Ο πιστωτικός κίνδυνος διαδραματίζει κρίσιμο ρόλο για τις τράπεζες και τα χρηματο-πιστωτικά ιδρύματα, ιδιαίτερα για τις εμπορικές τράπεζες και είναι πάντα δύσκολο να ερμη-νευθεί και να διαχειρισθεί. Λόγω της τεχνολογικής προόδου, οι τράπεζες έχουν καταφέρει να μειώσουν το κόστος, να αναπτύξουν ισχυρά και εξελιγμένα συστήματα και μοντέλα για την πρόβλεψη και τη διαχείριση του πιστωτικού κινδύνου. Ο στόχος των μοντέλων πιστωτικού κινδύνου είναι να αξιολογήσουν τον κίνδυνο μια προσέγγιση βασισμένη σε μοντέλο που μπορεί να προβλέψει με ακρίβεια την πιστωτική αθέτηση. Η προσέγγιση που βασίζεται σε μοντέλο παρέχει καλύτερη διαχείριση της πιστωτικής αθέτησης και αποτελεσματική κατανομή κεφα-λαίων. Για την πρόβλεψη της πιστωτικής αθέτησης, έχουν δημιουργηθεί και προταθεί διάφορες μέθοδοι. Η χρήση της μεθόδου εξαρτάται από την πολυπλοκότητα των τραπεζών και των χρη-ματοπιστωτικών ιδρυμάτων, το μέγεθος και τον τύπο του δανείου.
Το τεχνητό νευρωνικό δίκτυο είναι ένα σύστημα επεξεργασίας πληροφοριών που επηρε-άζεται από τον ανθρώπινο εγκέφαλο και λειτουργεί με τις ίδιες αρχές του βιολογικού νευρικού συστήματος. Διαθέτουν την ικανότητα να εξάγουν νόημα από πολύπλοκα και περίπλοκα δεδο-μένα, ανιχνεύοντας τάσεις και εξάγοντας μοτίβα από αυτά. Αυτή η εργασία απεικονίζει την ικανότητα του μοντέλου νευρωνικών δικτύων και του μοντέλου γραμμικής παλινδρόμησης που κατασκευάζονται να προβλέψουν την πιστοληπτική ικανότητα μιας εφαρμογής με ακρίβεια και ακρίβεια με ελάχιστες ψευδείς προβλέψεις και λάθη. Τα μοντέλα τεχνητών νευρωνικών δι-κτύων έχουν δημιουργηθεί για να ξεπεραστούν τα μειονεκτήματα άλλων αναποτελεσματικών μοντέλων πιστωτικής αθέτησης.
|
|---|
