The potential fraud problems, international economic crisis and the crisis of trust in markets have affected financial institutions, which have tried to maintain customer trust in many different ways. To maintain these levels of trust they have been forced to make significant adjustments to economic structures, in efforts to recoup their investments and maintain the loyalty of their customers. To achieve these objectives, the implementation of electronic banking for customers has been considered a successful strategy. The use of electronic banking in Spain in the last decade has been fostered due to its many advantages, giving rise to real integration of channels in financial institutions. This paper reviews different methods and techniques to determine which variables could be the most important to financial institutions in order to predict the likely levels of trust among electronic banking users including socio-demographic, economic, financial and behavioural strategic variables that entities have in their databases. To do so, the most recent advances in machine learning and soft-computing have been used, including a new selection operator for multiobjective genetic algorithms. The results obtained by the algorithms were validated by an expert committee, ranking the quality of them. The new methodology proposed, obtained the best results in terms of optimisation as well as the highest punctuation given by the experts

چکیده

مسئله تقلب، بحران اعتماد در بازار و بحران اقتصاد بین‌المللی همگی موسسات مالی را که از روش‌های گوناگونی برای حفظ اعتماد مشتری استفاده‌ می‌کنند تحت تاثیر قرار داده است. این موسسات برای جبران سرمایه‌گذاری خود و حفظ وفاداری مشتریان و حفظ این سطح از اعتماد تا حد زیادی با ساختارهای اقتصادی هماهنگ شده‌اند. پیاده‌سازی بانکداری الکترونیکی می‌تواند برای مشتریان استراتژی موفقیت‌آمیزی در رسیدن به این اهداف باشد. با توجه به مزایای بسیار کانا‌ل‌ها و یکپارچگی واقعی آنها در موسسات مالی، استفاده از بانکداری الکترونیکی در اسپانیا در دهه گذشته کاملاً مناسب بوده است. این مقاله روش‌ها و تکنیک‌های مختلف تعیین مهم‌ترین متغیرهای موسسات مالی را (از قبیل متغیرهای اجتماعی-جمعیت شناختی، متغیرهای استراتژیک اقتصادی، مالی و رفتاری که نهادها در پایگاه‌های داده خود دارند) بررسی می‌کند تا سطح احتمالی اعتماد در میان کاربران بانکداری الکترونیکی را پیش‌بینی کند. برای این کار، از آخرین پیشرفت‌ها در یادگیری ماشینی و محاسبات نرم، مانند یک عملگرِ انتخاب جدید برای الگوریتم ژنتیک چند هدفه، استفاده شده است. یک کمیته کارشناسی نتایج به دست آمده از الگوریتم را تایید و کیفیت آنها را رتبه‌بندی کرد. ابتدا روش جدید پیشنهاد و سپس بهترین نتایج بهینه‌سازی و همچنین بالاترین امتیازهای ارائه شده توسط کارشناسان جمع‌آوری شد.

1-مقدمه

رفتار سیستم مالی در برابر بحران اقتصادی در میان کشورهای اتحادیه اروپا متفاوت بوده است. در حالی که بسیاری از نهادهای بین‌المللی توجه خود را بر انتقال اعتبار و ریسک و نادیده گرفتن خدمات مشتریان معطوف کردند، بخش بانکی همچنان از شبکه گسترده‌ای از دفاتر برای توزیع محصولات مالی و تقویت روابط نزدیک مشتری استفاده می‌کند. این محیطِ بسیار رقابتی بانک‌ها را وادار به کنترل شدید هزینه‌ها کرده است و به این ترتیب، سیستم‌های مالی را به یکی از کارآمدترین سیستم‌ها در جهان تبدیل کرده‌ است...