محمد کاظمی؛ محمدعلی کرامتی؛ مهرزاد مینوئی
چکیده
چکیدهخوشهبندی روشی رایج برای تجزیه و تحلیل دادههای مختلف در بسیاری از زمینهها است، از جمله میتوان به شناسایی آماری، بانکداری،دادهکاوی، تجزیه و تحلیل تصویر و …اشاره نمود. خوشهبندی فرآیند گروه-بندی اشیای مشابه به گروههای مختلف یا به بیان دقیقتر، تقسیم مجموعهای از دادهها به زیر مجموعههای مجزا است. نکتهی اصلی، ...
بیشتر
چکیدهخوشهبندی روشی رایج برای تجزیه و تحلیل دادههای مختلف در بسیاری از زمینهها است، از جمله میتوان به شناسایی آماری، بانکداری،دادهکاوی، تجزیه و تحلیل تصویر و …اشاره نمود. خوشهبندی فرآیند گروه-بندی اشیای مشابه به گروههای مختلف یا به بیان دقیقتر، تقسیم مجموعهای از دادهها به زیر مجموعههای مجزا است. نکتهی اصلی، مشخصنبودن تعداد گروه ها در خوشهبندی است، بگونه ای که در خوشهبندی متخصصین، سلیقهای عمل می نمایند.این رساله به دنبال ارایهی راه کاری برای خوشهبندی پویای مشتریان بانک، بر مبنای الگوریتم ژنتیک با لحاظ نمودن روش LRFM می باشد. به عبارت دقیقتر، الگوریتم ژنتیک سعی خواهد کرد از بین فیلدهای اطلاعاتی مختلفی که در مورد مشتریان بانک در پایگاه داده وجود دارد؛ فیلدهای مناسبی را در کنار ویژگی-های به کار رفته در روش LRFM قرار دهد تا نتایج مناسبتری را در خوشهبندی مشتریان بانک به دست آورد، تصمیمگیری در مورد تعداد گروه های موجود نیز بر عهدهی الگوریتم ژنتیک خواهد بود. پیادهسازی-های مختلف الگوریتم ژنتیک با استفاده از تابعهای مختلف جهش و پیوند انجام پذیرفته تا دستیابی به بهترین حالت پیادهسازی گردد. شایان ذکر است تمامی روشهای پیوند و جهش (به دلیل تعدد زیاد) قابل آزمون نیستند. لیکن، روند به گونهای طراحی شده تا در پیادهسازی، بهبود نسبت به روش پایه LRFM و برخی روشهای رقیب حاصل گردد.کلمات کلیدی: مدیریت ارتباط با مشتریان بانک،خوشه بندی، مدل LRFM، الگوریتم ژنتیک.
مقصود امیری؛ ایمان رئیسی وانانی؛ سید حسین رضوی حاجی آقا؛ ترانوش جعفری
چکیده
هدایت درست و تخصیص بهینه منابعِ مالی سبب افزایش تولید و رشد ناخالص ملی، ایجاد شغل و افزایش رفاه عمومی میشود. پژوهش حاضر با هدف ارایه یک استراتژی سرمایه گذاری تلاش می کند مسیر پیشرفت شرکت سرمایه گذار را در بازارهای مالی هموار کند. بنابراین، پژوهش پیش رو را می توان از نظر هدف کاربردی دانست. همچنین با توجه به اینکه در تحقیق حاضر از مدل ...
بیشتر
هدایت درست و تخصیص بهینه منابعِ مالی سبب افزایش تولید و رشد ناخالص ملی، ایجاد شغل و افزایش رفاه عمومی میشود. پژوهش حاضر با هدف ارایه یک استراتژی سرمایه گذاری تلاش می کند مسیر پیشرفت شرکت سرمایه گذار را در بازارهای مالی هموار کند. بنابراین، پژوهش پیش رو را می توان از نظر هدف کاربردی دانست. همچنین با توجه به اینکه در تحقیق حاضر از مدل ریاضی ، مدلسازی، هوش مصنوعی و ... بهره گرفته شده و بهینه سازی پورتفوی شرکت سرمایه گذار را با مدل پیشنهادی مورد ارزیابی قرار میدهد، لذا از نوع تحقیقات کمی و توصیفی می باشد. این پژوهش عملکرد مدل پیشنهادی را در سه حالت: شرکت سرمایه گذار محتاط، میانهرو و ریسکپذیر ارزیابی نمود. نتایج بهدست آمده نشان داد که برای هر سه حالت، استراتژیِ ارایه شده به طور قابل توجهی بهتر از شاخص بازار و سایر استراتژیهای پیشین عمل میکند.در پایانِ دوره سرمایهگذاری، پورتفوی ریسکپذیر نسبت به سایر پورتفویها از ارزش بالاتری برخوردار بود. از سوی دیگر، پورتفوی محتاط، بازدهِ پایدار و باثباتتری کسب کرده است.این نتایج آشکار نمود که برنامهریزی فازی ارائه شده قادر است خصوصیات و تمایلات شرکت سرمایه گذار را در ترکیب پورتفوی منعکس کند.