طراحی مدل فرا ابتکاری مدیریت ریسک اعتباری بانک رفاه با رویکرد هوش مصنوعی

این مطالعه به تشریح یک سیستم ارزیابی ریسک اعتباری با استفاده از مدل های شبکه های عصبی مبتنی بر الگوریتم یادگیری پس انتشار می پردازد که در آن با داده های متفاوتی مرحله آموزش شبکه عصبی انجام شده است. سه شبکه عصبی برای تصمیم گیری در مورد اعطاء یا عدم اعطای وام پیاده سازی و آموزش داده شد. نتایج این تحقیق نشان می دهد که شبکه های عصبی مدلی مناسب جهت ارزیابی ریسک اعتباری است که می تواند عملکرد کارآمدی در این حوزه داشته باشد. دراین مقاله با استفاده از روش تحلیلی-توصیفی و با استفاده از ابزار مشاهده پرونده افراد مورد مطالعه قرار گرفته است. بدین منظور از یک نمونه تصادفی خوشه بندی شده شامل ۵۳۱۹ نفر از مشتریان که در بازه ی زمانی ۱۳۹۲-۱۳۹۷ از بانک رفاه وام گرفته اند استفاده شده است. این رساله با استفاده از مدل های مرسوم تحلیل بقا شامل مدل ناپارامتری کاپلان - میر و مدل شبه پارامتری کاکس به شناسایی عوامل اثرگذار بر ریسک قصور مشتریان پرداخته است.در تحقیق حاضر درباره پیش بینی ریسک اعتباری مشتریان بانک که یکی از مهم ترین مباحث بانکداری نوین می باشد بحث شده است؛ که شامل؛ الف- بررسی رابطه بین ریسک اعتباری وام های دریافتی مشتریان به صورت انفرادی (که متناظر با تحلیل انفرادی ریسک اوراق بهادار است) با مطالبات معوق بانک رفاه استان تهران و ب- بررسی رابطه بین ریسک اعتباری سبد وام به صورت غیرانفرادی (که معادل تحلیل ریسک سبد اوراق بهادار است) با مطالبات معوق بانک رفاه استان تهران است.نتایج حاصل از تکنیک های تحلیل بقا نشان داد که متغیرهایی همچون مبلغ وام، تعداد اقساط، تعداد فرزند، تحصیلات، سن، نوع شغل و عنوان شغلی بر منحنی های تابع بقاء و تابع نرخ خطر تاثیر گذارند. در افق های زمانی کوتاه مدت (مثلا یک ساله) شرایط اقتصادی جامعه نقش کلیدی در وقوع قصور این دسته از مشتریان بازی می کند.

Keywords:

مدل فرا ابتکاری , مدیریت ریسک اعتباری , هوش مصنوعی