ناهید سیف - دانش آموخته کارشناسی ارشد دانشگاه آزاد اسلامی واحد تهران جنوب دانشکده مهندسی صنایع تهران
صدیق رئیسی - دانشیار دانشگاه آزاد اسلامی واحد تهران جنوب دانشکده مهندسی صنایع تهران
رضا توکلی مقدم - استاد دانشکده مهندسی صنایع پردیس دانشکدههای فنی دانشگاه تهران تهران

در تحقیق حاضر، به طراحی و ارائه ی یک مدل جدید و کارای پیش بینی ریسک اعتباری با استفاده ازسیستم عصبی فازی و ماشین بردار پشتیبان و روش آنتروپی برای انتخاب بهترین متغیرهای ورودی و سپس به آموزش و تحلیل نتایج حاصله و مقایسه میزان خطای هر یک برای پیش بینی ریسک اعتباری مشتریان حقوقی بانک سپه پرداخته می شود این تحقیق از نظر هدف کاربردی و از نظر گرد آوری داده ها به صورت توصیفی پیمایشی می باشد. به منظور گردآوری اطلاعات و رتبه بندی اعتباری مشتریان - حقوقی بانک سپه، از اطلاعات مربوط به پرونده های 292 مورد از مشتریان اعتباری بانک )پرونده های اعتباری مشتریان و همچنین ترازنامه، صورت سود و زیان و یادداشتهای توضیحی گزارشات سالیانه شرکتها و لوح فشرده گزارش عملکرد آنها که در زمینه صنعت فعالیت دارند و تسهیلات دریافتی آنها بیش از ده میلیارد ریال بوده است، استفاده شده است. این حجم نمونه از مشتریان دارای حساب منتهی به سال 5895 5831 انتخاب شدهاند. نوآوری تحقیق، بکارگیری دو روش مذکور برای برآورد ریسک - اعتباری و استفاده از روش آنتروپی برای رتبه بندی کردن داده های ورودی به منظور کاهش خطا و یادگیری بهتر و سریع تر در شبکه می باشد که برای اولین بار در حوزه ارزیابی ریسک اعتباری در بانک سپه استفاده شده است. نتایج تحقیق نشان داد که هر دو روش برای کلاس بندی نکول و یا عدم نکول مشتریان بانک روش های مناسبی بوده که روش SVM عملکرد مناسب تری نسبت به ANFIS دارد پس هر دو روش می تواند به عنوان روشی کارا برای پیش بینی در زمینه های مشابه به کار گرفته شوند.

ریسک اعتباری، احتمال نکول، شبکه عصبی فازی، ماشین بردار پشتیبان