پيش بيني سوددهي بانك با استفاده از الگوريتم هاي خوشه بندي

درعصر جهاني شدن و فشرده شدن رقابت ها، سازمان ها در حال تلاش در جهت كسب مزيت رقابتي نسبت به ساير رقباي خود هستند و بخش بانكداري هم از اين امر مستثني نبوده است. در سال هاي اخير توانايي توليد، جذب و ذخيره داده ها در انبار داده ها و پايگاه داده ها پيشرفت چشمگيري داشته است، اما اين داده ها زماني ارزشمند هستند، كه به اطلاعات و دانش با معني تبديل شوند، و بتوان الگوهاي پنهان را از ميان آن ها استخراج كرد. در اين ميان داده كاوي به يك ابزار رقابتي و استراتژيك تبديل شده است. زيرا مي تواند روابط ناشناخته و الگوهاي پنهان را در ميان داده ها كشف كند. خوشه بندي و دسته بندي از مهمترين الگوريتم هاي داده كاوي هستند و كاربرد بسياري در كشف دانش دارند با توجه به اينكه هدف اصلي هر بانك يا واحد اقتصادي بالابردن ارزشش بااستفاده از بالا بردن سود آن مي باشد هدف از انجام اين پژوهش پيش بيني سوددهي شعب بانك بااستفاده از الگوريتم خوشه بندي مي باشد كه دو الگوريتم خوشه بندي فازي و شبكه عصبي براي خوشه بندي شعب استفاده شده و در مرحله بعد نتايج با هم مقايسه و بهترين الگوريتم مشخص شده است . در اين پژوهش, اطلاعات مالي 5 ساله شعب بانك مهراقتصاد مورد ارزيابي قرار گرفته است كه نتايج حاصل از اين پژوهش نشان مي دهد ميانگين دقت شبكه عصبي در پيش بيني سوددهي يا زيان دهي شعبه هاي اين بانك بهتر و داراي حداقل 77.33% بهبود است.