تعیین نکول تسهیلات مشتریان حقوقی بوسیله حداقل مربعات ماشین بردارپشتیبان بهبود یافته بر مبنای الگوریتم بهینه سازی تجمعی ذرات

در دهههای اخیر؛ تشکیل بازارهای مالی جدید، تشدید رقابت بین شرکتها و همچنین تغییرات سریع اقتصادی، اجتماعی و تکنولوژی باعث افزایش عدم اطمینان و بیثباتی در محیطهای مالی شده و به تبع آنپیچیدگی فرآیند تصمیمگیری مالی نیز بیشتر شده است. در چنین شرایطی مسلماً بالندگی اقتصادی در گرو تصمیمگیری صحیح و تخصیص بهینه منابع خواهد بود، چرا که اگر سرمایهها در فرصتهای مناسب،سرمایهگذاری نشوند و یا به نحوی از آنها استفاده شود که کارایی لازم را نداشته باشند، اقتصاد کلان کشورها دچار چالشهای عظیمی خواهد شد.یکی از مهمترین موضوعهای مطرح شده در زمینهی مدیریتمالی، این است که بانکها و موسسات اعتبار دهنده شرکت های خوش حساب و بد حساب را از یکدیگر تشخیص دهند. یکی از راههای کمک به اعتبار دهندگان، ارائهی الگوهای پیشبینی ریسک اعتباری و نکولشرکتها است. تا به امروز تکنیکهای مختلفی برای طراحی مدلهای پیشبینی ریسک اعتباری و نکول شرکتها مورد استفاده قرار گرفته است. از آنجا که مطالعات اخیر در این زمینه ، بر ایجاد و بهکارگیریبردارهای پشتیبان خطی و هوش مصنوعی در مسائل دسته بندی متمرکز شده است، لذا در پژوهش حاضر به منظور پیشبینی ریسک اعتباری شرکتها از مدل ترکیبی حداقل مربعات ماشین بردار پشتیبان والگوریتم پرواز پرندگان استفاده شده است. نمونهی تحت بررسی شامل 021 شرکت بد حساب و 021 شرکت خوش حساب میباشد که طی یک دوره 5 ساله از سال 0831 الی 0832 انتخاب شدهاند.یافتههای تحقیق حاکی از آن است که مدل PSOLSSVM قادر به پیش بینی نکول شرکت ها بوده و از دقت قابل قبولی برخوردار است.

کلیدواژه ها:

نکول تسهیلات ، ریسک اعتباری ، ماشین بردار پشتیبان ، بهینه سازی تجمعی ذرات