EN: Independent Studies
Permanent URI for this collection
Browse
Browsing EN: Independent Studies by Subject "สินเชื่อ"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Publicationการประยุกต์เหมืองข้อมูลเพื่อพยากรณ์ปัจจัยที่ทําให้เกิดหนี้ค้าง ภายใต้การให้บริการด้านสินเชื่อโครงการสินเชื่อดิจิทัล (Digital Lending)(University of the Thai Chamber of Commerce, 2021)
; ; ; ; การศึกษาครั้งนี้ มีวัตถุประสงค์เพื่อศึกษาปัจจัยที่ทำให้เกิดปัญหาหนี้ค้าง (NPL) ผ่านโครงการพัฒนาระบบสินเชื่อดิจิทัล (Digital Lending) ในกลุ่มลูกค้าของธนาคารเพื่อการเกษตรและสหกรณ์การเกษตร (ธ.ก.ส.) จังหวัดลพบุรี และเพื่อประยุกต์เหมืองข้อมูลในการอนุมัติสินเชื่อในการแก้ไขปัญหาการจ่ายเงินกู้ โดยเก็บรวบรวมข้อมูลของลูกค้าเงินกู้ที่เข้าร่วมโครงการสินเชื่อฉุกเฉินที่มีอยู่ในระบบสารสนเทศของธนาคารเพื่อการเกษตรและสหกรณ์การเกษตร จังหวัดลพบุรี จำนวน 9,002 ราย จากการที่ลูกค้ากรอกข้อมูลส่วนตัวลงใน Line Official ของ ธ.ก.ส. เพื่อสมัครสินเชื่อฉุกเฉิน ทำการวิเคราะห์ข้อมูลโดยการสร้างแบบจำลองการเรียนรู้ผ่านโปรแกรม Weka เพื่อหาความสำคัญของปัจจัยที่ส่งผลให้เกิดปัญหาหนี้ค้าง (NPL) ผลการศึกษา จากการทดลองใช้ตัวแบบพยากรณ์ จำนวน 3 แบบ ได้แก่ เทคนิคต้นไม้ตัดสินใจ (Decision Tree), เทคนิคเบย์อย่างง่าย (Naïve Bayesain classifier) และเทคนิคซัพพอร์ตเวกเตอร์เเมชชีน (Support vector machine; SVM) พบว่า เทคนิคต้นไม้ตัดสินใจ (Decision Tree) มีค่าความถูกต้องในการทำนาย (Correctly Classified Instances) มากที่สุด93 526 - Publicationการศึกษาปัจจัยที่มีผลต่อการจ่ายสินเชื่อตามข้อบังคับฉบับที่ 35 (สลากออมทรัพย์)ของธนาคารเพื่อการเกษตรและสหกรณ์การเกษตร สาขาบางเขนโดยใช้เทคนิคเหมืองข้อมูล(University of the Thai Chamber of Commerce, 2021)
; ; ; ; ; ; การศึกษานี้มีวัตถุประสงค์ เพื่อหาปัจจัยที่มีผลต่อการจ่ายสินเชื่อตามข้อบังคับฉบับที่ 35 (สลากออมทรัพย์) ของธนาคารเพื่อการเกษตรและสหกรณ์การเกษตร สาขาบางเขน อันเนื่องมาจากปริมาณยอดการจ่ายสินเชื่อตามข้อบังคับฉบับที่ 35 (สลากออมทรัพย์) ในปีบัญชี 2563 ลดลงจากปี 2561 – 2562 และมีแนวโน้มที่จะลดลงอย่างต่อเนื่อง โดยการรวบรวมข้อมูลลูกค้าที่ซื้อสลากออมทรัพย์และข้อมูลลูกค้าที่มียอดการเบิกสินเชื่อข้อบังคับฉบับที่ 35 (สลากออมทรัพย์) ของสาขาบางเขน ในบัญชี 2563 ประกอบไปด้วยข้อมูลลูกค้าที่ซื้อสลากออมทรัพย์ทั้งสิ้น 6,378 ราย และมีลูกค้าที่มี ยอดการเบิกสินเชื่อข้อบังคับฉบับที่ 35 (สลากออมทรัพย์) จำนวน 802 ราย โดยมีแอทริบิวต์ที่จำเป็นต่อการศึกษาจำนวน 7 แอทริบิวต์ ได้แก่ อายุลูกค้า ระยะเวลาที่ติดต่อธนาคาร เพศ สถานะสมรส ยอดรวมเงินฝากประเภทสลาก ยอดรวมสินเชื่ออื่นๆ และลูกค้ามีการกู้สินเชื่อข้อบังคับฉบับ 35 แล้วนำข้อมูลมาทดสอบกับเทคนิคการจำแนกกลุ่มจำนวน 4 เทคนิค ได้แก่ เทคนิคต้นไม้ตัดสินใจ (Decision Tree) เทคนิคกฎการตัดสินใจ (Decision Rule) เทคนิคตัวจำแนกประเภทเบย์อย่างง่าย (Naïve-Bayes) และเทคนิคซัพพอร์ทเวกเตอร์แมชชีน (Support Vector Machine) จากการทดสอบ พบว่าเทคนิคต้นไม้ตัดสินใจ Decision Tree: J48 ให้ผลลัพธ์ที่มีความถูกต้องมากที่สุด โดยมีผลลัพธ์ความถูกต้อง 87.50% และสามารถสรุปปัจจัยที่มีผลต่อการจ่ายสินเชื่อตามข้อบังคับฉบับที่ 35 (สลากออมทรัพย์) จากการวิเคราะห์ข้อมูลจากการทดสอบ ได้แก่ ระยะเวลาที่ติดต่อธนาคาร ยอดรวมสินเชื่ออื่นๆ และยอดรวมเงินฝากประเภทสลาก72 409