عنوان فارسی:دانلود مقاله پیش بینی ورشکستگی شخصی با مدل درخت تصمیم گیری

دانلود مقاله پیش بینی ورشکستگی شخصی با مدل درخت تصمیم گیری – امرالد ۲۰۱۸:مقاله حاضر درباره پیشرفت های روی داده در طبقه بندی ورشکستگی شخصی با استفاده از نمونه برداری تصادفی برای تصحیح داده های نامتوازن بحث می نماید. بکارگیری DT در این مطالعه نشان داد که نرخ اختصاصی بودن پس از اعمال استراتژی نمونه برداری تصادفی افزایش یافت. در کاربردهای عملی، روش های طبقه بندی که برای درک چنین DT هایی آسان هستند، برای کاربران جذاب تر می باشند (یاپ و همکاران،۲۰۱۱). در نتیجه، عملکرد پیش بینی یک مدل DT بر اساس مجموعه داده های متوازن در مقایسه با مجموعه داده های نامتوازن، منطقی تر می باشد. در تحقیقات آتی ما قصد داریم مدل LR، ماشین بردار پشتیبانی و مدل ساده بیزی را در نظر بگیریم.

مقاله انگلیسی+ترجمه فارسی

فهرست مطالب

چکیده

هدف

طرح / روش / رویکرد

یافته ها

پیامدهای کاربردی

پیامدهای اجتماعی

اصالت / ارزش

مقدمه

بررسی ادبیات

روش تحقیق

نتایج

نتیجه گیری

چکیده

هدف – ورشکستگی شخصی در مالزی در حال افزایش است. اداره ورشکستگی [اعسار] مالزی گزارش داد که ورشکستگی شخصی از سال ۲۰۰۷ افزایش یافته و کل پرونده های ورشکستگی شخصی انباشته در سال ۱۳۹۲ معادل ۱۳۱۲۸۲ می باشد. این حالت در واقع وضعیتی هشدار دهنده است چرا که افزایش موارد ورشکستگی شخصی تاثیر منفی بر اقتصاد مالزی و جامعه دارد. از منظر اقتصاد شخصی، ورشکستگی شانس امنیت شغلی را به حداقل می رساند. جدا از این، حساب افراد ورشکسته مسدود شده، کنترل بر دارایی ها و اموال آن ها از بین رفته و اجازه راه اندازی هیچ کسب و کاری به آن ها داده نشده و حق مشارکت در مدیریت هیچ شرکتی را ندارند. افراد ورشکسته از درخواست وام و مسافرت خارج از کشور محروم بوده و نمی توانند به عنوان ضامن فعالیت نمایند. مقاله حاضر با توسعه مدل پیش بینی ورشکستگی شخصی با استفاده از تکنیک درخت تصمیم گیری در پی بررسی این مساله است.

طرح / روش / رویکرد – در مقاله حاضر، اصطلاح ورشکسته به افرادی اطلاق می گردد که نتوانستند وام های خود را تسویه نمایند. نمونه شامل ۲۴۵۴۶ مورد همراه با ۱۷ درصد پرونده تسویه شده و ۸۳ درصد پرونده منقضی شده است. داده ها شامل یک متغیر وابسته، یعنی وضعیت ورشکستگی ( ۱ = Y (ورشکسته)، ۰ = Y (غیرورشکسته) و ۱۲ شاخص پیش بینی کننده می باشد. از نرم افزار ۱۴.۱ SAS Enterprise Miner برای توسعه مدل درخت تصمیم گیری استفاده گردید.
یافته ها – پس از تکمیل کار، مطالعه حاضر حاوی مشخصات افراد ورشکسته، مدل معتبر اعتبارسنجی ورشکستگی شخصی و متغیرهای معنی دار ورشکستگی شخصی بود.

پیامدهای کاربردی – مدل درخت تصمیم گیری مزبور در درآمدزایی و حق اختراع کارکرد دارد. موسسات مالی قادرند از این مدل برای پیش بینی تمایل وام گیرندگان بالقوه نسبت به ورشکستگی شخصی استفاد نمایند. پیامدهای اجتماعی – ایجاد آگاهی در جامعه درباره متغیرهای مهم ورشکستگی شخصی به طوری که بتوانند از ورشکستگی اجتناب نمایند.
اصالت / ارزش – مدل درخت تصمیم گیری مزبور قادر است فرآیند ارزیابی و سنجش وام گیرندگان بالقوه را از سوی موسسات مالی تسهیل نموده و به آن کمک نماید. این مدل به شناسایی وام گیرندگان بالقوه ناتوان از پرداخت بدهی کمک کند. هم چنین مدل مزبور می تواند به موسسات مالی در پیاده سازی استراتژی های درست برای اجتناب از وام گیرندگان ناتوان از پرداخت بدهی کمک نماید.

Abstract

Purpose – Personal bankruptcy is on the rise in Malaysia. The Insolvency Department of Malaysia reported that personal bankruptcy has increased since 2007, and the total accumulated personal bankruptcy cases stood at 131,282 in 2014. This is indeed an alarming issue because the increasing number of personal bankruptcy cases will have a negative impact on the Malaysian economy, as well as on the society. From the aspect of individual’s personal economy, bankruptcy minimizes their chances of securing a job. Apart from that, their account will be frozen, lost control on their assets and properties and not allowed to start any business nor be a part of any company’s management. Bankrupts also will be denied from any loan application, restricted from travelling overseas and cannot act as a guarantor. This paper aims to investigate this problem by developing the personal bankruptcy prediction model using the decision tree technique.

Design/methodology/approach – In this paper, bankrupt is defined as terminated members who failed to settle their loans. The sample comprised of 24,546 cases with 17 per cent settled cases and 83 per cent terminated cases. The data included a dependent variable, i.e. bankruptcy status (Y = 1(bankrupt), Y = 0 (non-bankrupt)) and 12 predictors. SAS Enterprise Miner 14.1 software was used to develop the decision tree model.
Findings – Upon completion, this study succeeds to come out with the profiles of bankrupts, reliable personal bankruptcy scoring model and significant variables of personal bankruptcy.

Practical implications – This decision tree model is possible for patent and income generation. Financial institutions are able to use this model for potential borrowers to predict their tendency toward personal bankruptcy. Social implications – Create awareness to society on significant variables of personal bankruptcy so that they can avoid being a bankrupt.

Originality/value – This decision tree model is able to facilitate and assist financial institutions in evaluating and assessing their potential borrower. It helps to identify potential defaulting borrowers. It also can assist financial institutions in implementing the right strategies to avoid defaulting borrowers.

نمونه ترجمه مقاله:

1. مقدمه

پرونده های ورشکستگی شخصی در مالزی از سال 2007 روند فزاینده ای به خود گرفته است. مالزی، یک بدهکار به تبع حکم قضایی که توسط دادگاه عالی علیه بدهکار صادر می شود در صورتی ورشکسته خوانده می شود که قادر به پرداخت بدهی خود به میزان حداقل RM30000 نباشد (اداره ورشکستگی [اعسار] مالزی، 2017). سازمان مشاوره اعتباری و مدیریت بدهی (Agensi Kaunseling dan Pengurusan Kredit، AKPK) مطابق گزارش اوتوسان آنلاین (زاینون، 2016) دلایل مشکلات مالی را بدین گونه برشمرد:

• برنامه ریزی مالی نامناسب (49.7 درصد)؛
• شکست کسب و کار (15.2 درصد)؛
• هزینه های زندگی پس از بازنشستگی (11.7 درصد)؛
• هزینه های پزشکی بالاتر (11 درصد)؛
• بیکاری (9.5 درصد)؛ و
• دلایل متفرقه دیگر (2 درصد).

در این اثناء، داتوک سری آزالینا عثمان سعید، وزیر دفتر نخست وزیری، اظهار داشت که موارد ورشکستگی شخصی اغلب به دلیل استعمال وام های خرید، وام های شخصی و وام های مسکن رخ می دهد. هم چنین وی اضافه نمود که مجموعاً تعداد 22581 پرونده ورشکستگی شخصی، که بین 2012 الی سپتامبر 2016 توسط اداره ورشکستگی [اعسار] ثبت شده، مشتمل بر افراد 25 الی 34 ساله می باشد (برناما، 2016).

در سال 2014، اداره ورشکستگی [اعسار] در مالزی گزارش داد که موارد ورشکستگی شخصی از 13238 مورد در سال 2007 به 22351 مورد در سال 2014 افزایش یافته است. این امر نشان دهنده افزایش 68.8 درصدی با توجه به مجموعاً 131282 مورد ورشکستگی شخصی انباشته شده در سال 2014 می باشد. این حالت، هشدار دهنده است چرا که اگر تعداد موراد ورشکستگی شخصی همچنان افزایش یابد، تاثیر منفی را بر اقتصاد مالزی و جامعه خواهد گذاشت. ورشکستگی از منظر اقتصاد شخصی، شانس امنیت شغلی را به حداقل می رساند.

به عنوان یکی از اقدامات صورت گرفته برای مهار افزایش بدهی خانوار که عمدتاً منجر به ورشکستگی شخصی می شود، بانک مرکزی مالزی اقدام به راه اندازی یک سازمان مدیریت بدهی نمود. این سازمان، مسیری برای وام گیرندگان بالقوه فردی و وام گیرندگان مشکل دار جهت دریافت مساعده و گرفتن مشاوره درباره مدیریت بدهی و تامین مالی محسوب می شود. بنابراین، مقاله حاضر بیانگر کاربرد تکنیک های داده کاوی در تعیین احتمال مشروط وام گیرندگان یک رده (ورشکسته یا غیرورشکسته) از طریق مدل درخت تصمیم گیری است. یافته های تحقیق حاضر برای طرف های مختلف در سازمان های تصمیم سازی و مدیریت، شرکت های اجاره به شرط تملیک، و شرکت های اعتباری، مفید می