دانلود مقاله تحقیق عملیاتی و روش های هوش مصنوعی در بانکداری
ترجمه نشده

دانلود مقاله تحقیق عملیاتی و روش های هوش مصنوعی در بانکداری

عنوان فارسی مقاله: تحقیق عملیاتی و روش های هوش مصنوعی در بانکداری
عنوان انگلیسی مقاله: Operational research and artificial intelligence methods in banking
مجله/کنفرانس: مجله اروپایی تحقیقات عملیاتی - European Journal of Operational Research
رشته های تحصیلی مرتبط: مدیریت - مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: هوش مصنوعی - مهندسی الگوریتم ها و محاسبات - بانکداری یا مدیریت امور بانکی
کلمات کلیدی فارسی: هوش مصنوعی - پژوهش عملیاتی - بانکداری
کلمات کلیدی انگلیسی: Artificial Intelligence - Operational research - Banking
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.ejor.2022.04.027
لینک سایت مرجع: https://www.sciencedirect.com/science/article/pii/S037722172200337X
نویسندگان: Michalis Doumpos - Constantin Zopounidis - Dimitrios Gounopoulos - Emmanouil Platanakis - Wenke Zhang
دانشگاه: Financial Engineering Laboratory, School of Production Engineering and Management, Technical University of Crete, University Campus, Greece
صفحات مقاله انگلیسی: 16
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2023
ایمپکت فاکتور: 6.393 در سال 2020
شاخص H_index: 274 در سال 2022
شاخص SJR: 2.354 در سال 2020
شناسه ISSN: 0377-2217
شاخص Quartile (چارک): Q1 در سال 2020
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: دارد
آیا این مقاله فرضیه دارد: ندارد
کد محصول: e17318
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست مطالب (ترجمه)

چکیده

1. مقدمه

2. نقش حیاتی تکنیک های OR و AI در بانکداری

3. روش شناسی

4. موضوعاتی برای روش های OR و AI در تحقیقات بانکی

5. تکنیک های OR و AI در تحقیقات بانکی

6. دستورالعمل برای تحقیقات آینده

7. نتیجه گیری

ضمیمه. مواد تکمیلی

منابع

فهرست مطالب (انگلیسی)

Abstract

1. Introduction

2. The crucial role of OR and AI techniques in banking

3. Methodologies

4. Topics for OR and AI methods in banking research

5. OR and AI techniques in banking research

6. Directions for future research

7. Conclusion

Appendix. Supplementary materials

References

بخشی از مقاله (ترجمه ماشینی)

چکیده

     بانکداری یک موضوع محبوب برای تحقیقات تجربی و روش‌شناختی است که از روش‌های تحقیق عملیاتی (OR) و هوش مصنوعی (AI) استفاده می‌کند. این مقاله یک بررسی کتابشناختی جامع و ساختار یافته از تحقیقات مبتنی بر OR و AI ارائه می‌کند که در دهه گذشته به صنعت بانکداری اختصاص یافته است. این مقاله به بررسی موضوعات اصلی این تحقیق از جمله کارایی بانک، ارزیابی ریسک، عملکرد بانک، ادغام و ادغام، مقررات بانکی، مطالعات مرتبط با مشتری و فین‌تک در صنعت بانکداری می‌پردازد. نتایج نظرسنجی بینش جامعی را در مورد مشارکت روش‌های OR و AI در بانکداری ارائه می‌کند. در نهایت، ما چندین جهت تحقیقاتی را برای مطالعات آتی پیشنهاد می‌کنیم که شامل موضوعات و روش‌های نوظهور بر اساس نتایج نظرسنجی است.

توجه! این متن ترجمه ماشینی بوده و توسط مترجمین ای ترجمه، ترجمه نشده است.

بخشی از مقاله (انگلیسی)

Abstract

     Banking is a popular topic for empirical and methodological research that applies operational research (OR) and artificial intelligence (AI) methods. This article provides a comprehensive and structured bibliographic survey of OR- and AI-based research devoted to the banking industry over the last decade. The article reviews the main topics of this research, including bank efficiency, risk assessment, bank performance, mergers and acquisitions, banking regulation, customer-related studies, and fintech in the banking industry. The survey results provide comprehensive insights into the contributions of OR and AI methods to banking. Finally, we propose several research directions for future studies that include emerging topics and methods based on the survey results.

Introduction

     The assessment of various financial aspects of banks occupies an essential place in the academic literature because of the crucial intermediation role of the banking industry in financial markets (Ioannidis et al., 2010; Tzeremes, 2015; Zopounidis et al., 2015). Along with an increasing need to use more sophisticated methods in banking research, several studies in this area employ operational research (OR) and artificial intelligence (AI) methods. Thus, the existing literature examines some fundamental research questions in banking research using OR and AI techniques, such as addressing the fairness issue in banking performance evaluation (Chen et al., 2020) and increasing the accuracy of the prediction of default risk and bank failure (Boussemart et al., 2019), as well as helping centralized organizations (e.g., headquarters of banks) to incentivize their units (i.e., bank branches) and optimize their performance (Afsharian et al., 2019). A rising trend in the utilization of OR and AI techniques to address banking challenges indicates their increasing importance and relevance for this field (Akkoç, 2012; Manthoulis et al., 2020; Yao et al., 2017).

Conclusion

     This article presented an extensive review of the crucial role played by OR and AI methods in banking research by analyzing a total of 338 studies published between 2010 and 2020. We described six general topics that employ OR and AI methods to address various crucial banking issues: banking efficiency, risk management, bank performance, banking regulation, M&A, customer-based studies, and fintech in the banking industry. We also outlined the most widely used OR methods, including DEA, ABM, MC, fuzzy logic, and AI techniques, including SVMs, NNs, and ensemble methods. This article contributes to the literature by complementing the prior bibliographic surveys, covering various general banking topics, and summarizing the different methods applied.

     We also suggested potential future research directions from both topic and methodology perspectives. Researchers could explore and verify various OR and AI methods in banking studies from a methodological perspective. Thus, regarding future research topics, efficiency forecasting related to the evaluation of financial stability could justify further exploration, as could the investigation of non-financial risks, such as conducting risks, which has received very limited attention in the academic literature to date. Future studies might also explore the impacts of government regulations and managerial behaviors on risk-taking by banks. Finally, future research could also apply other AI methods (e.g., unsupervised machine learning) or fresh combinations of OR and AI techniques to banking research.