سیستم های امتیازدهی اعتباری مبتنی بر یادگیری گرادیان تقویتی: ارزیابی ریسک احتمالی مشتریان در بانکداری مدرن

هدف اصلی این پژوهش، توسعه و ارزیابی یک سیستم امتیازدهی اعتباری پیشرفته مبتنی بر الگوریتم گرادیان تقویتی برای ارزیابی ریسک احتمالی مشتریان در بانکداری مدرن است. با توجه به محدودیت های مدل های سنتی در تحلیل داده های پیچیده و پویای مشتریان، این تحقیق با رویکردی کمی و با استفاده از داده های مشتریان یک بانک بریتانیایی، به ساخت مدلی برای پیش بینی ریسک اعتباری پرداخت. روش پژوهش شامل پیاده سازی مدل گرادیان تقویتی و ارزیابی عملکرد آن با معیارهایی نظیر میانگین خطای مطلق، ریشه میانگین مربعات خطا و ضریب تعیین بود. یافته ها نشان داد که مدل توسعه یافته با ضریب تعیین قابل قبول در مجموعه داده آزمون، عملکردی قوی و قابل تعمیم دارد و قادر است %۶۰ از تغییرات ریسک اعتباری را توضیح دهد. تحلیل اهمیت ویژگی ها مشخص کرد که دو متغیر «بازپرداخت های انجام نشده در ۱۲ ماه گذشته» و «نسبت بدهی به درآمد وام گیرنده» به ترتیب بیشترین تاثیر را در پیش بینی ریسک دارند، که این امر بر اهمیت تاریخچه رفتاری اخیر و ظرفیت مالی فعلی مشتریان تاکید می کند. نتایج این پژوهش نشان می دهد که الگوریتم گرادیان تقویتی ابزاری کارآمد و قابل اعتماد برای بهبود دقت و هوشمندی سیستم های اعتبارسنجی است و می تواند به مدیریت ریسک پویاتر و افزایش سودآوری در موسسات مالی منجر شود.

Keywords:

امتیازدهی اعتباری , ریسک اعتباری , یادگیری ماشینی , گرادیان تقویتی