Journal Article

استخدام تقنية تعلم الآلة في تحليل مشكلة الديون المتعثرة

محمد، طلبة السيد زين الدين, أحمد، شيماء أحمد علي, الغندور، خالد محمد محمد

2024

Overview

تتناول هذه الدراسة مشكلة الديون المتعثرة باعتبارها واحدة من التحديات الرئيسية التي تواجه البنوك، وتحدد أهم المتغيرات التي تؤثر على حجم هذه الديون. وتكشف الدراسة أن متغيرات الاقتصاد الكلي لها أهمية أكبر في التنبؤ بحجم الديون المتعثرة مقارنة بمتغيرات الاقتصاد الجزئي الخاصة بالبنك. تستخدم الدراسة عدة نماذج من نماذج تعلم الآلة للتنبؤ بحجم الديون المتعثرة، وتفاضل بين هذه النماذج طبقاً لمجموعة من المعايير الإحصائية لاستخدام أنسب هذه النماذج في التنبؤ بحجم الديون المتعثرة. توصلت النتائج إلى أن نموذج انحدار الغابات العشوائية \"Random Forests Regression\" كان الأنسب، حيث حصل على أقل قيم لمعايير التقييم، مما يجعله النموذج الأفضل للتنبؤ بحجم الديون المتعثرة مستقبلاً. كما أثبتت الدراسة تفوق نماذج تعلم الآلة على النماذج الإحصائية التقليدية. وأيضاً تم استخدام بعض تقنيات تعلم الآلة للتصنيف لتحليل بيانات عينة من العملاء المتعثرين، وتوصلت النتائج إلى أن نموذج XGBoost \"Extreme Gradient Booting\" للتصنيف كان الأكثر دقة من حيث تحديد احتمالية تعثر العميل بناءاً على عدة متغيرات مفسرة حيث حقق توازنًا أفضل بين معايير الدقة، التذكر، الدقة النوعية مقارنة بالنماذج الأخرى.

• Publisher: جامعة عين شمس - كلية التجارة
• Subject: الديون المالية / العملاء المتعثرين / بنك مصر / تقنيات تعلم الآلة