Ulteriori informazioni
La evaluación del riesgo de los préstamos desempeña un papel fundamental en el sector financiero, y los modelos predictivos son esenciales para tomar decisiones de préstamo con conocimiento de causa. Este proyecto de investigación se adentra en el ámbito de la evaluación del riesgo de los préstamos, un aspecto crítico de la industria financiera, proponiendo un enfoque innovador que utiliza el algoritmo FNN (Feed Forward Neural Network). El objetivo principal es comparar la eficacia del algoritmo FNN con el ampliamente adoptado Support Vector Machines (SVM) para la predicción del riesgo de préstamos. El objetivo es evaluar la eficacia del algoritmo FNN en la predicción de impagos de préstamos, con el fin de comprender mejor su rendimiento en comparación con SVM. Los resultados obtenidos son prometedores, indicando la superior precisión del modelo FNN en comparación con SVM. Esto pone de relieve el potencial del algoritmo FNN para revolucionar la evaluación del riesgo de los préstamos. Nuestros hallazgos subrayan la importancia de aprovechar la IA y el ML, específicamente las redes neuronales, para mejorar la precisión y fiabilidad de los sistemas de predicción del riesgo de préstamos. El impresionante rendimiento del modelo FNN lo posiciona como un cambio de juego en el campo, ofreciendo una mayor precisión y fiabilidad en los sistemas de predicción de riesgo de préstamos.
Info autore
La Dra. Kirti Hemant Wanjale trabaja actualmente como profesora en el Departamento de Ingeniería Informática del Instituto Tecnológico Vishwakarma, en Pune. Obtuvo su doctorado en la Facultad de Ingeniería Informática de la SSSTUMS, en Sehore (Madhya Pradesh). Cuenta con 22 años de experiencia. Sus principales intereses de investigación son las redes de sensores inalámbricos y el Internet de las cosas.
