ارائه یک مدل طبقه‌بندی ترکیبی هوشمند مبتنی بر شبکه‌های عصبی پرسپترون چندلایه و رگرسیون فازی به‌منظور تجزیه و تحلیل مسائل امتیازدهی اعتباری

بحران‌های مالی موجود در نظام‌های بانکی ناشی از عدم توانایی در مدیریت ریسک‌های اعتباری است. امتیازدهی اعتباری یکی از تکنیک‌های مدیریت ریسک است که ریسک وام‌گیرنده را تحلیل می‌کند. در این مقاله با استفاده از مزایای روش‌های هوش محاسباتی و محاسبات نرم یک روش ترکیبی جدید به‌منظور بهبود مدیریت ریسک‌های اعتباری ارائه شده ‌‌است. در روش پیشنهادی، به‌منظور مدل‌سازی در شرایط عدم‌ قطعیت، پارامترهای شبکه عصبی، شامل وزن‌ها و خطاها، به‌صورت فازی در‌نظر گرفته شده‌اند. در این روش، ابتدا سیستم مورد مطالعه با استفاده از شبکه‌های عصبی متامدل‌بندی ‌شده و سپس با به‌کارگیری استنتاجات فازی تصمیم بهینه با بیشترین میزان برتری تعیین خواهد ‌شد. نتایج حاصل از به‌کارگیری روش پیشنهادی بیانگر کارامدی و دقت بالای این روش در تحلیل مسائل امتیازدهی اعتباری است.

Keywords:

Credit scoring , Classification methods , Multilayer perceptrons (MLPs) , Artificial neural networks , Fuzzy logic , امتیازدهی اعتباری , روش‌های طبقه‌بندی , پرسپترون‌های چندلایه , شبکه‌های عصبی مصنوعی , منطق فازی