امیر خرمی؛ محمدتقی تقوی فرد؛ سید محمد علی خاتمی فیروزآبادی
چکیده
ارزیابی ریسک اعتباری یکی از موضوعات اساسی برای بانکها و مؤسساتمالی بوده که مدلهای مختلفی برای این منظور توسعه یافته است. این پژوهش با استفاده از مدل استدلال مبتنی بر مورد (CBR) و در نظر گرفتن یک بانک اطلاعاتی از مشتریان اعتباری بانک به ارزیابی ریسک اعتباری متقاضیان تسهیلات بانکی میپردازد. در این راستا 9 معیار مطابق با نظر ...
بیشتر
ارزیابی ریسک اعتباری یکی از موضوعات اساسی برای بانکها و مؤسساتمالی بوده که مدلهای مختلفی برای این منظور توسعه یافته است. این پژوهش با استفاده از مدل استدلال مبتنی بر مورد (CBR) و در نظر گرفتن یک بانک اطلاعاتی از مشتریان اعتباری بانک به ارزیابی ریسک اعتباری متقاضیان تسهیلات بانکی میپردازد. در این راستا 9 معیار مطابق با نظر خبرگان انتخاب و با استفاده از روش فرآیند تحلیل سلسله مراتبی فازی (FAHP) وزندهی شدند. نتیجه حاصل از مقایسه زوجی معیارها نشان داده است که سه معیار چکبرگشتی، وضعیتمسکن و مقدار درآمد به ترتیب دارای بیشترین اهمیت در ریسک اعتباری متقاضیان تسهیلات بانکی است. سپس با تکنیک تاپسیس به سنجش شباهت مورد جدید با موارد گذشته واقعی و یا ارزیابی گزینه جدید نسبت به گزینه ایدهآل و با استفاده از مدل استدلال مبتنی بر مورد به پیشبینی احتمال نکول یا عدم نکول متقاضی تسهیلات بانکی میپردازد. جامعه پژوهش شامل پروندههای اعتباری متقاضیان تسهیلات بانکی یکی از بانکهای خصوصی در بین سالهای 94-90 است. این تحقیق از نوع کاربردی و بصورت مطالعه پیمایشی و توصیفی انجام شده است. نتایج نشان میدهد دقت مدل CBR نسبت به سایر روشهای اعتبارسنجی و رتبهبندی مشتریان بانک بیشتر است. استفاده از مدل CBR در قالب اعتبارسنجی مشتریان، نتایجی به مراتب بهتر از عملکرد کارشناسان بخش اعتباری بانک عامل که به روش قضاوتی و بر اساس تجربه به پیشبینی نکول یا عدم نکول مشتریان میپرداختند حاصل نموده است که نشان دهنده کارایی بالای مدل مورد استفاده پژوهش در مقایسه با مدل مورد استفاده بانک و کارشناسان اعتبارسنجی میباشد. CBR منجر به طراحی سیستمی خبره، متخصص و هوشمند شده و علاوه بر ذخیره دادهها در بانک اطلاعاتی، مدلها و الگوهایی را برای استفاده ذخیره میکند.[M1]
طاهره زعفریان؛ محمد اندبیلی؛ حسین مومنی؛ سید اسماعیل نجفی
چکیده
امروزه بیش از 055 نوع خودروی نو در بازار خودروی ایران وجود دارد که نسبت به دهه گذشته رشد قابلتوجهی داشته است. تنوع بالای مدلها امکان انتخاب خودرو را دشوار میسازد. تاکنون مدلی ریاضی جهتبخشبندی و رتبهبندی بازار خودرو توسعه داده نشده است که تعداد خوشههای بهینه توسط الگوریتم و بااستفاده از مدل ریاضی تعیین شود و نیز در رتبه بندی، وزن دهی ...
بیشتر
امروزه بیش از 055 نوع خودروی نو در بازار خودروی ایران وجود دارد که نسبت به دهه گذشته رشد قابلتوجهی داشته است. تنوع بالای مدلها امکان انتخاب خودرو را دشوار میسازد. تاکنون مدلی ریاضی جهتبخشبندی و رتبهبندی بازار خودرو توسعه داده نشده است که تعداد خوشههای بهینه توسط الگوریتم و بااستفاده از مدل ریاضی تعیین شود و نیز در رتبه بندی، وزن دهی به معیارها بهصورت خودکار صورت پذیرد. پژوهشفوق روشی ترکیبی را توسعه میدهد. ابتدا با استفاده از روش دیمتل، قیمت به عنوان تاثیرپذیرترین معیار انتخابمیشود و سپس براساس روش خوشه بندی دومرحله ای، بخشهای قیمتی بازار بهصورت خودکار شناساییمیشوند. سپس، با استفاده از روش وزندهی آنتروپی شانون دومرحله ای به تمامی امکانات خودروها وزن مناسبتخصیص داده میشود و با استفاده از تاپسیس، رتبه بندی خودروها براساس تمامی مشخصات عملکردی، امکانات،ارزش برند، ارزش استایل و نیز قیمت در داخل بخشهای قیمتی انجام میشود. آزمون همبستگی رتبه ای اسپیرمن نیزجهت مقایسه رتبه بندی مدل با رفتار بازار خودروی ایران انجام شده است. نتایج نشان میدهد که میتوان بازارخودرو را در شش سطح مختلف بخشبندی نمود و نیز در هر بخش قیمتی، قیمت تنها عامل تعیین کننده در مطلوبیتیک خودرو نمیباشد، بلکه ترکیبی وزنی از مشخصات عملکردی، امکانات و قیمت یک خودرو در مقایسه با رقبایموجود در آن بخش، تعیین کننده بهینه ترین انتخاب برای مشتری میباشد
سیامک خیبری؛ مصطفی کاظمی
چکیده
تاپسیس که در گروه جبرانی روشهای تصمیمگیری قراردارد، بر این مفهوم که گزینه انتخابی باید کمترین فاصله را باراه حل ایدهآل مثبت و بیشترین فاصله را با راه حل ایدهآل منفی داشته باشد، استوار است. وجود روند یکنواخت افزایشیو کاهشی در شاخصهای مثبت و منفی از جمله ویژگیهای تاپسیس در تعیین نقاط ایدهآل مثبت و منفی است. ایندرحالی است که میزان مطلوبیت ...
بیشتر
تاپسیس که در گروه جبرانی روشهای تصمیمگیری قراردارد، بر این مفهوم که گزینه انتخابی باید کمترین فاصله را باراه حل ایدهآل مثبت و بیشترین فاصله را با راه حل ایدهآل منفی داشته باشد، استوار است. وجود روند یکنواخت افزایشیو کاهشی در شاخصهای مثبت و منفی از جمله ویژگیهای تاپسیس در تعیین نقاط ایدهآل مثبت و منفی است. ایندرحالی است که میزان مطلوبیت اختصاص یافته به تصمیمگیرنده بعد از یک سطح مشخصی در هر شاخص چندانملموس نخواهد بود. بنابراین در رتبهبندی گزینهها علاوه بر مقدار هر گزینه در هر شاخص، مقدار توازن بین شاخصهایهر گزینه باید درنظر گرفته شود تا یک گزینه که در یک شاخص مهم دارای جایگاه مناسب است ولی در سایر شاخصهاجایگاه مناسبی ندارد، شانس اول انتخاب نباشد. برای این منظور در این مقاله سعی شد با اضافه کردن بعد مجازی بهماتریس تصمیم که از انحرافات میان شاخصهای هر گزینه حاصل میشود، ضعف ذکر شده تا حد ممکن جبران شود. به-منظور ارزیابی روش ارائه شده، از سه مثال متفاوت استفاده شد. بدین ترتیب که ابتدا توسط روش پیشنهادی ، تاپسیس،VIKOR ، Deng و SAW هریک از سه مثال ارائه شده حل و سپس با استفاده از ضریب همبستگی اسپیرمن تعدادهمبستگیهای معنی دار میان روش پیشنهادی و تاپسیس با سه روش دیگر مقایسه شد. در ادامه درصد مشابهت رتبه بندیروش پیشنهادی و تاپسیس با VIKOR ، Deng و SAW مقایسه شد
مقداد سلیمی؛ بهروز افشار نجفی؛ بهنام وحدانی
دوره 12، شماره 35 ، دی 1393، ، صفحه 83-121
چکیده
هدف از ارائه این مقاله ارائه یک رویکرد سازشی به منطور حل مسائل برنامه ریزی چندهدفه مقیاس بزرگ با ساختار بلوکی زاویه دار تحت شرایط عدم قطعیت می باشد.با بهره گیری از این روش، یک مساله با ابعاد بزرگ به چندین مساله با ابعاد کوچکتر تجزیه می گردد. سپس با به کار بردن روش تاپسیس و و تشکیل توابعی که نشان دهنده میزان دوری از ایده آل های منفی و میزان ...
بیشتر
هدف از ارائه این مقاله ارائه یک رویکرد سازشی به منطور حل مسائل برنامه ریزی چندهدفه مقیاس بزرگ با ساختار بلوکی زاویه دار تحت شرایط عدم قطعیت می باشد.با بهره گیری از این روش، یک مساله با ابعاد بزرگ به چندین مساله با ابعاد کوچکتر تجزیه می گردد. سپس با به کار بردن روش تاپسیس و و تشکیل توابعی که نشان دهنده میزان دوری از ایده آل های منفی و میزان نزدیکی به ایده ال های مثبت می باشند، هریک از مسائل تجزیه شده را به طور مستقل از دیگر توابع حل می کنیم. به منظور بدست آوردن ایده آل های مثبت و منفی ابتدا توابع هدف و محدودیت ها را از حالت فازی به قطعی تبدیل نموده و سپس مقدار بهینه هر یک از توابع هدف را بدون در نظر گرفتن سایر توابه به طور کاملل مجزا حل میکنیم تا ایده آل های مثبت برای هر از توابع هدف محاسبه گردد. به همین ترتیب برای محاسبه ایده آل های منفی بدترین جواب ها را برای هر یک از توابع هدف محاسبه می کنیم. طبق الگوی بهینه سازی ماکس- مین(زیمرمن) بر اساس منطق فازی توابع ساخته شده برای دوری و نزدیکی به ایده آل های مثبت و منفی را در قالب یک تابع هدف بهینه می کنیم تا جواب بهینه نهایی بدست آید. برای روشن شدن روش ارائه شده یک مثال در پایان آورده شده است. همچنین نتایج بررسی در مثال ارائه شده نیز مورد بررسی قرار گرفته است.
عماد روغنیان؛ فاطمه مجیبیان
دوره 10، شماره 26 ، مهر 1391، ، صفحه 35-54
چکیده
در این مقاله یک روش تاپسیس جدید مبتنی بر اعداد فازی شهودی ذوزنقه ای برایتصمیم گیری گروهی معرفی می گردد که در آن، ارزش گذاری گزینه ها نسبت بهشاخص ها و ارزش های وزنی شاخص ها با استفاده از اعداد فازی شهودی ذوزنقه ایتعیین می گردد و اوزان نظرات تصمیم گیرندگان نیز نامعلوم هستند. در روشپیشنهادی، برای تعیین ارزش های وزنی شاخص ها و نظرات تصمیم ...
بیشتر
در این مقاله یک روش تاپسیس جدید مبتنی بر اعداد فازی شهودی ذوزنقه ای برایتصمیم گیری گروهی معرفی می گردد که در آن، ارزش گذاری گزینه ها نسبت بهشاخص ها و ارزش های وزنی شاخص ها با استفاده از اعداد فازی شهودی ذوزنقه ایتعیین می گردد و اوزان نظرات تصمیم گیرندگان نیز نامعلوم هستند. در روشپیشنهادی، برای تعیین ارزش های وزنی شاخص ها و نظرات تصمیم گیرندگان ازارزش های مورد انتظار و عملگر میانگین وزنی اعداد فازی شهودی ذوزنقه ای استفادهشده، و سپس الگوریتمی برای رتبه بندی گزینه ها در محیط فازی شهودی ذوزنقه ایارائه می گردد. در پایان، با استفاده از یک مثال عددی، کارایی روش پیشنهادی جدیدمورد بررسی قرار می گیرد.
