| dc.contributor.advisor | Τσιώρας Κωνσταντίνος | |
| dc.contributor.author | Τσαρούχα, Νικολέττα | |
| dc.date.accessioned | 2023-08-18T10:21:49Z | |
| dc.date.available | 2023-08-18T10:21:49Z | |
| dc.date.issued | 2022 | |
| dc.identifier.uri | https://dspace.uowm.gr/xmlui/handle/123456789/3984 | |
| dc.description | Πανεπιστήμιο Δυτικής Μακεδονίας. Σχολή Οικονομικών Επιστημών. Τμήμα Λογιστικής και Χρηματοοικονομικής. | en_US |
| dc.description.abstract | Από την πρώτη ύπαρξη των τραπεζών έως και σήμερα, η σωστή διαχείριση των κινδύνων αποτέλεσε τον ακρογωνιαίο λίθο των συγκεκριμένων οργανισμών. Ο πιστωτικός κίνδυνος είναι ο πιο απαιτητικός κίνδυνος στον οποίο εκτίθενται τα χρηματοπιστωτικά ιδρύματα. Το Credit scoring είναι η κύρια αναλυτική τεχνική για την αξιολόγηση του πιστωτικού κινδύνου. Η εφαρμογή της τεχνητής νοημοσύνης έχει οδηγήσει σε καλύτερη απόδοση των μοντέλων αξιολόγησης πιστοληπτικής ικανότητας. Δεδομένου ότι ακόμη και μια μικρή βελτίωση στην ακρίβεια βαθμολόγησης πιστοληπτικής ικανότητας προκαλεί σημαντική μείωση των ζημιών, η χρήση του καλύτερου μοντέλου ταξινόμησης έχει μεγάλη σημασία. Σε όλες τις περιπτώσεις, η εξέλιξη της τεχνολογίας και της τεχνητής νοημοσύνης έχουν οδηγήσει σε μία νέα εποχή στον τομέα των χρηματοπιστωτικών ιδρυμάτων, μία εποχή η οποία συνεχώς αλλάζει και εξελίσσεται. Η ρομποτική και τα Big Data, έχουν προσδώσει ιδιαίτερα σημαντική ενίσχυση στην τεχνητή νοημοσύνη και τις εφαρμογές της. | en_US |
| dc.language.iso | gr | en_US |
| dc.publisher | Πανεπιστήμιο Δυτικής Μακεδονίας. Σχολή Οικονομικών Επιστημών. | en_US |
| dc.subject | Τεχνητή νοημοσύνη | en_US |
| dc.subject | Πιστωτικός κίνδυνος | en_US |
| dc.subject | Τραπεζική | en_US |
| dc.title | Πιστοληπτικός κίνδυνος και συστήματα τεχνητής νοημοσύνης | en_US |
| dc.type | Thesis | en_US |
