نمره گذاری اعتباری مشتریان بانکی با استفاده از ترکیب تکنیک های داده کاوی

بانک ها به منظور تعیین ریسک اعتباری و ارایه خدمات مالی به مشتریان خود نیازمند شناسایی دقیق آن ها هستند. ضرورت سیستم رتبه بندی زمانی اهمیت لازمه را خواهد داشت که از معیار مناسبی برای ارزیابی مشتریان قبل از اعطای تسهیلات برخوردار باشد، به گونه ای که تسهیلات بانکی با استفاده از این سیستم به مشتریان مطلوب تخصیص یابد. از دیدگاه سیستم بانکداری مشتری مطلوب به مشتریانی اطلاق می شود که ضمن هزینه نمودن تسهیلات دریافتی در بخش های مختلف اقتصادی بتواند به موقع تسهیلات دریافتی را به سیستم بانکی بازگرداند. عدم بازپرداخت به موقع تسهیلات بیانگر آن است که دریافت کننده تسهیلات در بهره برداری از تسهیلات دریافتی از موفقیت چندانی برخوردار نبوده است.مجموعه داده برای این تحقیق از بانک اطلاعاتی مهر اقتصاد استفاده شده است. در این تحقیق از روشی ترکیبی با استفاده از الگوریتم ژنتیک، تابع برازش درخت تصمیم به عنوان انتخابگر ویژگی ها و در نهایت شبکه عصبی چند لایه برای رتبه بندی کاربران استفاده می شود. استفاده از ساختار چند لایه برای رتبه بندی مشتریان موجب سخت گیری بیشتر و دقت بالاتر در شناخت ویژگی ها ی آنها و در نهایت باعث بهینه سازی رتبه بندی مشتریان می شود. نتایج تحقیق مشخص می کند دقت نمره گذاری اعتباری توسط روش پیشنهادی 99.38 درصد است

Keywords:

نمره گذاری اعتباری , انتخاب ویژگی , الگوریتم ژنتیک , درخت تصمیم , شبکه عصبی چند لایه