[1] ابوالحسنی م. ج.، صمدی س. و واعظ‌برزانی م.، «تعیین اثرات کوتاه‌مدت و بلندمدت متغیرهای کلان اقتصادی و بانکی بر حجم مطالبات معوق بانک‌های پذیرفته شده در بورس اوراق بهادار تهران (1396-1386)»، مطالعات اقتصادی کاربردی ایران، جلد 10، شماره 37، ص. 201-233، 1400.
[2] بزرگ‌اصل م. و صمدی م. ت.، «رابطه بین ریسک نقدینگی و ریسک اعتباری و تاثیر آن بر ناپایداری مالی در صنعت بانکداری ایران»، فصلنامه پژوهش‌های پولی-بانکی، جلد 10، شماره 33، ص. 509-531، 1396.
[3] فلاح‌شمس م. و مهدوی‌راد ح.، «طراحی مدل اعتبارسنجی و پیش‌بینی ریسک اعتباری مشتریان تسهیلات لیزینگ (مورد مطالعه: شرکت لیزینگ ایران خودرو)»، پژوهش‌نامه اقتصادی (رویکرد اسلامی-ایرانی)، جلد 12، شماره 44، ص. 213-234، 1391.
[4] عیسی‌زاده س. و عریانی ب.، «رتبهبندی مشتریان حقوقی بانک‌ها بر حسب ریسک اعتباری به روش تحلیل پوششی داده‌ها: مطالعه موردی شعب بانک کشاورزی»، فصلنامه پژوهش‌ها و سیاست‌های اقتصادی، شماره 55، ص. 86-59، 1389.
[5] کشاورزحداد غ. و آیتی گازار ح.، «مقایسه کارکرد مدل لاجیت و روش درخت‌های طبقه‌بندی و رگرسیونی در فرآیند اعتبارسنجی متقاضیان حقیقی برای استفاده از تسهیلات بانکی»، پژوهش‌های رشد و توسعه پایدار (پژوهش‌های اقتصادی)، شماره 4، ص. 71-97، 1386.
[6] مهرآرا م.، موسایی م.، تصوری م. و حسن‌زاده ا.، «رتبهبندی اعتباری مشتریان حقوقی بانک پارسیان»، فصلنامه مدل‌سازی اقتصادی، جلد 3، شماره 9، ص. 150-121، 1388.
[7] Thomas L. C., "A survey of credit and behavioral scoring: Forecasting financial risks of lending to customers", International Journal of Forecasting, 16(2): 149-172, 2000.
[8] Kim Y. S. and Sohn S. Y., "Managing loan customers using misclassification patterns of credit scoring model", Expert Systems with Applications, 26(4): 567-573, 2004.
[9] پورزمانی ز. و کلانتری ح.، «مقایسه‌ی قدرت پیش‌بینی بحران مالی توسط تکنیک‌های مختلف هوش مصنوعی»، پژوهش‌های حسابداری مالی و حسابرسی، شماره 17، ص. 64-33، 1392.
[10] Shin K. S. and Lee Y. J., "A Genetic Application in Bankruptcy Prediction Modelling", Expert Systems with Applications, 23(3): 321-328, 2002.
[11] Reichert K. A., Cho C. C., and Wagner M. G., "An examination of the conceptual issues involved in developing credit-scoring models", Journal of Business and Economic Statistics, 1(2): 101-114, 1983.
[12] Huang C. l., Chen M. C., and Wang, C., "Credit scoring with a data mining approach based on support vector machines", Expert Systems with Applications, 33(4): 847-856, 2007.
[13] طلوعی‌اشلقی ع.، نیکومرام ه. و مقدوری‌شربیانی ف.، «طبقه‌بندی متقاضیان تسهیلات اعتباری بانک‌ها با استفاده از تکنیک ماشین بردار پشتیبان»، مجله پژوهش های مدیریت، شماره 84، 1389.
[14] محمدیان‌حاجی‌کرد ا.، اصغرزاده‌زعفرانی م. و امام‌دوست م.، «بررسی ریسک اعتباری مشتریان حقوقی با استفاده از مدل ماشین بردار پشتیبان و مدل هیبریدی الگوریتم ژنتیک- مطالعه موردی بانک تجارت»، مهندسی مالی و اوراق بهادار، جلد 7، شماره 27، ص. 17-32، 1395.
[15] Tang L., Cai F., and Ouyang Y., "Applying a nonparametric random forest algorithm to assess the credit risk of the energy industry in China", Technological Forecasting and Social Change, 144: 563-572, 2019.
[16] آرخی ص. و ادیب‌نژاد م.، «ارزیابی کارایی الگوریتم‌های ماشین بردار پشتیبان جهت طبقه‌بندی کاربری اراضی با استفاده از داده‌های ماهواره‌ای ETM+ لندست (مطالعه موردی: حوزه سد ایلام)»، تحقیقات مرتع و بیابان ایران، جلد 18، شماره 3، ص. 420-440، 1390.
[17] نوازی س. و رسول‌زادگان ع.، «ارائه یک روش جدید دو مرحله‌ای جهت تخمین هوشمند سن افراد»، مجله محاسبات نرم، جلد 2، شماره 2، ص. 52-61، 1392.
[18] وثیقی‌ذاکر ا. و جلیلی س.، «پیش‌بینی ژنهای بیماری با استفاده از دسته‌بند تک‌کلاسی ماشین بردار پشتیبان»، مجله محاسبات نرم، جلد 4، شماره 1، ص. 74-83، 1394.
[19] ویسی ه.، قایدشرف ح. و ابراهیمی م.، « بهبود کارایی الگوریتم‌های یادگیری ماشین در تشخیص بیماری‌های قلبی با بهینه‌سازی داده‌ها و ویژگی‌ها»، مجله محاسبات نرم، جلد 8، شماره 1، ص. 70-85، 1398.
[20] خسروی ا.، عبدالمالکی ه. و فیاضی م.، « پیش‌بینی وضعیت تحصیلی متقاضیان پذیرش‌شده دانشگاه، مبتنی بر داده‌های آموزشی و پذیرشی با استفاده از تکنیک‌های داده کاوی»، مجله محاسبات نرم، جلد 9، شماره 2، ص. 94-113، 1399.
[21] Bao W., Lianju N., and Yue K., “Integration of unsupervised and supervised machine learning algorithms for credit risk assessment”, Expert Systems with Applications, 128: 301-315, 2019.
)
