طراحی مدل هوشمند اعتباریابی واردکنندگان کالا با رویکرد یادگیری ماشین
نویسندگان
1 استاد، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران.
2 دانشجوی دکتری مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران
3 دانشیار، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران.
doi
چکیده
تفاوت نرخ ارز رسمی با نرخ ارز در بازار آزاد زمینه سوءاستفاده اخلالگران ارزی را فراهم نموده است. از سویی دیگر واردکنندگان کالا بدون توجه به سوابق عملکرد ارزی و ریالی، مورد ارزیابی شبکه بانکی کشور قرار گرفته و نسبت به اخذ وثایق ریالی از ایشان اقدام میشود. هدف اصلی این پژوهش طراحی مدل هوشمند عمیق به منظور ارزیابی ریسک و اخذ وثایق از واردکنندگان کالا به نحوی است که مدل نهایی با بالاترین میزان صحت و دقت، توانایی تحلیل دادههای بزرگ عملکردی را داشته باشد. بدین منظور، در ابتدا دادههای عملکردی با استفاده از روش کیمینز خوشهبندی شده و سپس نتایج مدل خوشهبندی به عنوان ورودی مدلهای طبقهبندی شامل روشهای جنگل تصادفی ، اکس جی بوست و شبکه عصبی کراس ترتیبی مورد استفاده قرار گرفته و نتایج هر مدل با استفاده از شاخص F مورد بررسی قرار گرفته شده است. در نهایت، مدل ترکیبی خوشهبندی کیمینز- شبکه عصبی کراس ترتیبی به عنوان مدلی که بالاترین میزان شاخص صحت و دقت را داشته انتخاب و با استفاده از مدل یاد شده مشتریان در 3 طبقه قرار گرفته و ترکیب وثایق نقد و غیر نقد برای ایشان تعیین شده است. نتایج بیانگر آن است که مدل به خوبی توانایی طبقهبندی مشتریان را با توجه به سوابق عملکردی ایشان، داشته است.