ارایه مدلی جهت سنجش ریسک اعتباری مشتریان متقاضی وام بانکی

عدم بازپرداخت به موقع وامهای اعطایی یکی از مهمترین چالشهای اعطای تسهیلات در نظام بانکی کشور میباشدکه منجر به مطالبات معوق، سررسید گذشته و مشکوک الوصول میشود. یکی از راهکارهای مناسب جهت مقابله با اینچالش، تفکیک مشتریان خوشحساب از بدحساب پیش اعطای وام میباشد. سنجش ریسک اعتباری مشتریان پیش از اعطای وام میتواند به عنوان راهکاری جهت کاهش ریسک اعتباری در نظر گرفته شود. هدف پژوهش حاضر ارایهمدلی است که با استفاده الگوریتم ژنتیک، ویژگیهای اثرگذار مشتری در سنجش ریسک اعتباری را انتخاب کند و با استفاده از شبکه عصبی، مشتریان خوشحساب را از بدحساب تفکیک نماید. مدل ارایه شده با یک مجموعه داده ازمشتریان بانک ملت با درنظر گرفتن 41 ویژگی از 022 وامگیرنده مورد آزمایش قرار گرفت. بااستفاده از الگوریتمژنتیک 7 ویژگی موثر مشتریان در پیشبینی ریسک اعتباری، شناسایی شده سپس با استفاده از شبکهعصبی رو به جلو با قابلیت پسانتشار با دقت 59.9 % مشتریان به دو دسته خوشحساب و بدحساب دستهبندی شدند. با توجه به دقت بالای پیشبینی مدل) 59.9 %( در دستهبندی مشتریان به دو گروه خوشحساب و بدحساب پیش از اعطای وام، میتوان از این مدل به عنوان یک سیستم تصمیم یار برای کمک به مسئولین تسهیلات بانکها استفاده نمود. به این ترتیب نهتنها از پرداخت وام به مشتریان بدحساب جلوگیری میشود بلکه میتوان تمهیداتی را )از جمله گرفتن وثیقه کمتر( جهت اعطای وام به مشتریان خوشحساب در نظر گرفت. بنابراین علاوه بر برداشتن گامی عملی برای کاستن حجم مطالبات بانک ها میتوان سطح رضایتمندی مشتریان خوشحساب را نیز افزایش داد

Keywords:

ریسک اعتباری , شبکه عصبی , الگوریتم ژنتیک , داده کاوی , بهینه سازی ریاضی , سیستم تصمیم یار