تحقیق استفاده از ACO وPSO براي رفع مشكلات طبقه بندي مالي

تحقیق استفاده از ACO وPSO براي رفع مشكلات طبقه بندي مالي

تحقیق استفاده از ACO وPSO  براي رفع مشكلات طبقه بندي مالي

فرمت ورد و قابل ویرایش


تعداد صفحات : 171 صفحه


استفاده از ACO وPSO براي رفع مشكلات طبقه بندي مالي



















چکیده
تصمیمات مالی اغلب بر اساس روش های طبقه بندی هستند که برای تعیین (تخصیص)مجموعه ای از مشاهدات در گروه هایی که از قبل تعیین شده اند استفاده می شوند.چنین مدل هایی باید تا حد امکان دقیق باشند. یک گام مهم در مورد توسعه مدل های طبقه بندی صحیح انتخاب متغیر های مستقل مناسب را در بر می گیردکه به مشکل موجود مربوط می شود .این مساله به عنوان مشکل انتخاب ترکیب دررشته استخراج اطلاعات/ یادگیری دستگاهی شناخته شده است .در تصمیمات مالی انتخاب ترکیب اغلب بر اساس قضاوت ذهنی کارشناسان استوار است. با وجود این، الگوریتم های انتخاب ترکیب اتوماتیک می توانند کمک بزرگی به تصمیم گیرندگانی باشند که ابزار موثری را برای پیدا کردن فضای انحلال ارائه می کنند.این تحقیق برای رفع این مشکل از دو روشی که از طبیعت الهام گرفته اند یعنی بهینه سازی اجتماعات مورچه ای و گروه کوچک زنبوری استفاده می کند.این بافت مدل سازی شده توسعه داده شده است وعملکرد روش ها در دو حوزه ی کارهای طبقه بندی مالی مورد آزمایش قرار گرفته است که ارزیابی ریسک اعتبار را در بر می گیرد وکمیت ها را بررسی می کند.
کلمات کلیدی
انتخاب ترکیب ، نزدیک ترین طبقه بندی کننده های مجاور ، ارزیابی خطر پذیری اعتبار، بررسی کردن.






مقدمه
مديریت مالی مدرن یک رشته عمومی است که اغلب مشکلات سخت مربوط به تصمیم گیری را که به مديریت ریسک کردن مربوط می شود را در بر می گیرد.در چنین مورد،مشکلات تصمیم گیری مالی مستلزم ارزیابی گزینه های موجود در گروه ها وطبقه های از قبل تعریف شده مي باشد.تحلیل وتجزیه ریسک بستانکاری، پیش بینی ورشکستگی ،ارزیابی ریسک کشوری در میان سایرین چند نمونه از مثال های واقعی هستند(دبومپاس، زوپویونيدیس & پاردالوس2000)[1].
در این محیط ، توسعه مدل های طبقه بندی معتبریقیناٌ برای محققان وتجزیه گران مهم است.
توسعه مدل های طبقه بندی مالی یک فرایند پیچیده است که جمع آوری دقیق اطلاعات و پردازش اطلاعات ،توسعه مدل ،معتبر سازی واجرا را در بر می گیرد. با تمرکز کردن روی توسعه مدل، چندین روش استفاده شده اند که روش های آماری ،تکنیک های هوش مصنوعی ومتولوژی های تحقیقاتی را شامل می شوند. در تمامی این روش ها ،کیفیت اطلاعات یک نکته اساسی است. این امر اساساٌ به صحت اطلاعات نمونه ای در موضوعات شمار مشاهدات مربوط می شود وارتباط حالت های تصمیم گیری (به عنوان مثال ;متغیر های مستقل )در تحلیل استفاده می شود.
دومین مورد به مشکل انتخاب ترکیب مربوط می شود. انتخاب ترکیب به تشخیص حالت های (ترکیبات)مناسبی مربوط می شود که باید در تجزیه وتحلیل به منظور حداکثر کردن عملکرد موردانتظار مدل حاصله معرفی شوند.انتخاب ترکیب تاثیرات مهمی را روی موارد دارد (کیرا&رندل 1992) [2] که عبارتند از:(1)کاهش نویز از طریق حذف ترکیبات نويزي.(2)کاهش زمان وهزینه مستلزم اجرای یک مدل مناسب است.(3)ساده کردن مدل های حاصله و(4) آسان سازی کاربرد راحت وبه روز کردن مدل ها .
مشکل اساسی انتخاب کیفیت (ترکیب)یک مشکل بهینه سازی همرا
خرید آنلاین