ارایه رویکردی برای رتبه بندی اعتباری مشتریان بانک با استفاده از تکنیک داده کاوی نگاشت های خودسازمان ده

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 765

فایل این مقاله در 14 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICISE04_079

تاریخ نمایه سازی: 1 دی 1397

چکیده مقاله:

امتیازدهی اعتباری (Credit grade) ابزاری علمی جهت ارزیابی ریسک اعتباری (Credit risk) مرتبط با تقاضای اعتباری است که میتواند به بانک ها یا موسسات برای اعطای تسهیلات کمک کند. هدف مدل های رتبه بندی اعتباری ، پیش بینی عدم احتمال بازپرداخت اعتبار از سوی مشتری و یا طبقه بندی متقاضیان اعتبار است. در این مدل، بر اساس معیار های کمی و کیفی که از مشتریان دریافت می شود و با استفاده از اطلاعات حال و گذشته متقاضی، احتمال عدم بازپرداخت وام توسط وی ارزیابی شده و امتیازی به وی تعلق می گیرد. از این رو طراحی مدل رتبه بندی اعتباری مشتریان (حقیقی و حقوقی) بانک ها و موسسات کشور جدید و کاربردی به نظر میرسد. در این تحقیق از نوعی بانکداری به نام بانکداری نفر به نفر (Peer to peer lending) که عبارت است از نوعی تبادل وجوه که بدون واسطه گری بانک ها انجام می پذیرد به گونه ای که هر فردی می تواند براساس ریسک و نرخ بازده اقدام به پرداخت یا دریافت وام کند، استفاده شده و با استفاده از اطلاعات موجود در پرونده های اعتباری مشتریان ، مدلی قابل قبول جهت رتبه بندی اعتباری مشتریان بانکداری نفر به نفر ارایه شده است. بدین منظور پس از مطالعه تحقیقات و مقالات گذشته، عواملی که در رتبه بندی اعتباری مشتریان حقیقی بانک ها تاثیر گذار هستند، شناسایی شده اند. پس از شناسایی عوامل تاثیرگذار، با بهره گیری از تکنیک SOM مدل مناسب جهت رتبه بندی اعتباری مشتریان تعیین گردیده است. لازم به ذکر است در این تحقیق برای اعتبار سنجی مدل ارایه شده از داده های واقعی استفاده می شود.در مرحله اول تعدادی ویژگی به عنوان ویژگی های منتخب انتخاب میشوند. این ویژگی ها شامل مقدار وام در خواستی ، نسبت درآمد به بدهی ، سابقه تخلف در دو سال اخیر، مقدار تخلفات سایر حساب ها تعداد حساب های باز شده در 12 ماه گذشته و .... میباشند. سپس داده ها پیش پردازش و نرمالایز شده و به مدل وارد شده اند. در نهایت با استفاده از تکنیک های داده کاوی و SOM داده ها با توجه به ویژگی هایی که دارند خوشه بندی و رتبه بندی گردیده و به هر خوشه یک لیبل تعلق گرفته است. تعداد خوشه ها بهینه با استفاده از شاخص دیویس بولدین 10 خوشه تعیین شده است. پس از تعیین رتبه هر خوشه میتوان در مورد داده های آن خوشه قضاوت کرده و مشتریان خوش حساب و بد حساب را شناسایی کرد. در آخر نیز با استفاده از مدل بدست آمده رتبه مشتریان جدید پیش بینی شده و خطای پیش بینی محاسبه گردیده است. سه خطای MSE , MAPE , MAD محاسبه گردیده و با یکدیگر مقایسه شده و نتیجه گیری شده که این خطاها از مقدار مناسبی برخوردارند.

نویسندگان

الهام کریمی

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد تهران جنوب، دانشکده مهندسی صنایع

شهروز بامداد

استادیار دانشکده مهندسی صنایع – دانشگاه آزاد اسلامی واحد تهران جنوب