Research Article

نهج مجموعة التراص للتنبؤ بالموافقة على القروض باستخدام تقنيات التعلم الآلي

DOI:

10.3791/68832

⸱

September 23rd, 2025

 , 
1VIT-AP School of Business, VIT-AP University

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تطور هذه الدراسة نموذجا لمجموعة التراص يدمج XGBoost و CatBoost (نموذج تعزيز التدرج) و LightGBM (نموذج تعزيز التدرج الفعال) و AdaBoost و Extra Trees للتنبؤ بالموافقات على القروض باستخدام بيانات Kaggle. من خلال تحقيق دقة بنسبة 98٪ ، فإنه يحدد العوامل الرئيسية مثل الدخل ودرجة الائتمان ، مما يعزز قرارات عادلة وفعالة بشأن الموافقة على القروض و / أو رفضها.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

أدت ابتكارات الإقراض الرقمي والتكنولوجيا المالية إلى قلب الأنظمة المصرفية الراسخة رأسا على عقب، وغيرت الشمول المالي وتوافر الائتمان في الدول في جميع أنحاء العالم. تبحث هذه الدراسة في كيفية تغير منصات الإقراض الرقمي من نظير إلى نظير (P2P) ، مع التركيز على كيفية تغيير تقنيات مثل الذكاء الاصطناعي والتعلم الآلي للطريقة التي تتم بها الموافقة على القروض. تسلط دراسة شاملة للأدبيات الضوء على الفرص والمشاكل في النظام البيئي للإقراض الرقمي ، مثل تقييم المخاطر الخوارزمية ، وثقة العملاء ، والاستبعاد المالي ، والثغرات التنظيمية. تقترح هذه الورقة نهجا قويا للتعلم الآلي يستخدم نموذج مجموعة التراص للتنبؤ بدقة بالموافقات على القروض من أجل معالجة هذه المشكلات. تمت معالجة البيانات مسبقا باستخدام تقسيم اختبار التدريب ، والتحليل الاستكشافي ، وترميز الملصقات باستخدام مجموعة بيانات Kaggle المتاحة للجمهور والتي تضمنت التركيبة السكانية لمقدم الطلب والخصائص المالية والتاريخ الائتماني. مع XGBoost الذي يعمل كمتعلم فوقي ، تشتمل المجموعة على نموذج تعزيز التدرج ، وتعزيز التدرج الفعال ، و AdaBoost ، ومصنفات الأشجار الإضافية كمتعلمين أساسيين. بدقة 98٪ ، تم تقييم النموذج باستخدام مقاييس بما في ذلك الدقة والدقة والاستدعاء والدرجة F1 ومقاييس الخطأ (MAE- متوسط الخطأ المطلق ، MSE- متوسط الخطأ التربيعي ، و RMSE- جذر متوسط الخطأ التربيعي). وفقا لدراسات الارتباط ، فإن العوامل بما في ذلك الأصول والدخل ودرجات CIBIL لها تأثير كبير على الموافقات على القروض. تفوق النموذج على الطرق التقليدية ، وأظهر التوازن والتعميم عبر كلا الفئتين. تم التأكيد على فائدة هذه النماذج لتحديدات الائتمان الآلية المستندة إلى البيانات في استنتاج الورقة.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

في المرحلة الأخيرة من التحول التكنولوجي للصناعة المصرفية، دخل مزودي الخدمات المالية الجدد من خارج النظام المصرفي الراسخ إلى السوق1. شركات التكنولوجيا الكبرى (شركات التكنولوجيا الكبيرة التي تركز بشكل أساسي على الإقراض مباشرة أو مع المؤسسات المالية) والتكنولوجيا المالية (التكنولوجيا المالية ، بما في ذلك نماذج مثل إقراض P2P وبدائل الائتمان عبر الإنترنت للبنوك التقليدية) تشق طريقها بشكل كبير في قطاع التمويل ، مما يشكل تحديا للخدمات المصرفية التقليدية على الرغم من جهود البنوك للتكيف مع المشهد الرقمي2. يشير هذا التطور السريع إلى تحول في النظام البيئي المالي، حيث يعيد اللاعبون غير التقليديون بش....

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

جمع البيانات

استخدمت هذه الدراسة مجموعة بيانات التنبؤ بالموافقة على القروض المتوفرة على Kaggle. تم استخراج مجموعة البيانات في فبراير 2025 وتتكون من 4269 سجلا تهدف إلى تقييم بيانات القروض والتنبؤ بنتائج الموافقة على القروض. يتضمن 12 عمودا تتضمن معلومات مفصلة عن الملامح الديموغرافية للمتقدمين ، مثل الحالة الوظيفية ، والمعالين ، والعاملين لحسابهم الخاص ، ومبلغ القرض ، ومدة القرض ، ودرجات CIBIL ، والخلفية المالية ، والسمات الخاصة بالقرض. تم استيراد مجموعة البيانات باستخدام مكتبة Pandas وفحصها بصريا باستخدام df.head () لفهم هيكلها وجودتها.

المعالجة المسبقة للبيانا....

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تحليل ارتباط الميزات

أعطت خريطة التمثيل اللوني لارتباط الميزة (الشكل 2) معلومات مفيدة حول العلاقات المتبادلة بين السمات المختلفة. تم العثور على ارتباطات إيجابية قوية بين الدخل ومبلغ القرض السنوي والمتغيرات المتعلقة بالأصول مثل قيمة الأصول الفاخرة وقيمة الأصول المصرفية ، مما يدل على أهمية الملف المالي لمقدم الطلب في تقييم القرض. ومن .......

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعمل نموذج مجموعة التراص للتنبؤ بالموافقة على القروض بشكل جيد بشكل استثنائي عبر مقاييس التقييم المختلفة ، مما يدل على دقة وموثوقية كبيرة. وكشفت الخريطة الحرارية للارتباطات أن المؤشرات المالية مثل الدخل السنوي ومبلغ القرض وقيم الأصول مترابطة بقوة ، مما يؤكد أهميتها في تطور القروض ، في حين أن درجات CIBIL لها ارتباط سلبي قوي بحالة القرض ، مما يعزز دورها في تقييم الجدارة الائتمانية. كان لمصفوفة الارتباك الخاصة بالنموذج معدل خطأ منخفض ، حيث اكتشفت بدقة 839 من 854 مثالا مع 15 تصنيفا خاطئا فقط........

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعلن المؤلف عدم وجود تضارب في المصالح فيما يتعلق بهذا البحث.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم دعم هذا البحث من قبل جامعة VIT-AP ، أمارافاتي ، الهند.

....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
كاجلhttps://www.kaggle.com/
البانداhttps://pandas.pydata.org/
مكتبة النماذجآي بي إمhttps://www.ibm.com

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. European Systemic Risk Board. Reports of the Advisory Scientific Committee. , Elsevier. (2012).
  2. Vives, X. The impact of FinTech on banking. Eur Econ. 2, 97-105 (2017).
  3. Jacobides, M. G., Drexler, M., Rico, J. Rethinking the future of financial services: A structural and evolutionary perspective on regulation.

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Stacking EnsembleLoan Approval PredictionMachine Learning TechniquesDigital LendingPeer To Peer LendingAlgorithmic Risk AssessmentGradient BoostingXGBoost ModelCredit ScoringFinancial Inclusion

Related Articles