پیش بینی رتبه اعتباری مشتریان حقیقی بانک ها با استفاده از شبکه عصبی مصنوعی و الگوریتم کلونی مورچگان و رگرسیون لجستیک

یکی از تصمیمات اساسی در مدیریت ریسک بانک ها ارزیابی اعتباری است، که شامل اقدامات،جمع آوری داده ها، تحلیل و دسته بندی در گروه های متفاوت اعتباری و تصمیم گیری می باشد .پرکاربردترین روش دسته بندی مشتریان، امتیاز اعتباری است که با اندازه گیری اعتبار هر مشتری و شناسایی مشتریان پرریسک، ریسک را کاهش می دهد .امتیاز اعتباری یکی از ابزارهای قوی است که در چند دهه اخیر مورد توجه بسیاری از موسسات و محققان قرار گرفته و پژوهش های زیادی بر روی آن انجام گرفته است .این پژوهش درصدد مقایسه پیش بینی ریسک اعتباری مشتریان حقیقی بانک با استفاده از روش های شبکه عصبی و الگوریتم کلونی مورچگان و رگرسیون لجستیک و ارائه راهکارهای صحیح جهت مقابله با افزایش مطالبات معوق می باشد .در این مطالعه پ از بررسی پرونده های اعتباری هر یک از نمونه ها، در ابتدا نوزده متغیر توضیحی شامل متغیرهای کمی و کیفی شناسایی شده و مورد بررسی قرار گرفت .نتایج این مطالعه نشان داد که در بین متغیرهای مرتبط با ویژگی های شخصیتی متقاضی ، متغیرهایی نظیر سن، هدف از تسهیلات، املاک و مستغلات وحساب جاری بیشترین اهمیت را در رتبه متوسط، نسبتا بد حساب، بدحساب از هم داشته و ، بندی مشتریان به پنج طبقه مشتریان خوش حساب، نسبتا خوش حساب اثر معناداری آن بر متغیر وابسته(رتبه بندی پنج طبقه مشتریان) بوسیله آزمون های آماری تایید شده است .ملاک مقایسه مدل ها، بررسی قدرت پیش بینی آنها دررتبه بندی مشتریان بانک به پنج طبقه فوق می باشد.جهت اعتبارسنجی مدل ها، اعضای نمونه به گروه های آموزشی و آزمایشی تقسیم گردیده اند؛ بدین صورت که سه مدل مورد پژوهش با استفاده از اعضای نمونه آموزشی، برازش شده و با استفاده از نمونه آزمایشی مورد آزمون قرار گرفته اند. بنابراین دقت هرروش پس از محاسبه در نرم افزار Spss برای مدل رگرسیون لجستیک در نمونه آموزشی و آزمایشی به ترتیب برابر 70/4% و 83/5 % و برای مدل شبکه عصبی در نمونه آموزشی به ترتیب برابر 74/3% ، 70/2% و برای الگوریتم مورچگان در نمونه آموزشی و آزمایشی به ترتیب برابر 66/75% و 78/50% بدست آمد .بنابراین نتیجه برازش مدل ها به ترتیب، مدل رگرسیون لجستیک ،الگوریتم کلونی مورچگان و شبکه عصبی در زمینه رتبه بندی اعتباری می باشد.

کلیدواژه ها:

رتبه بندی اعتباری ، ریسک اعتباری ، شبکه عصبی مصنوعی ، مدل رگرسیون لجستیک ، الگوریتم کلونی مورچگان