رتبه بندی اعتباری مشتریان حقیقی بانکها با استفاده ازمدل های مختلف شبکه های عصبی: مطالعه موردی یکی از بانک های خصوصی ایران

در گذشته تصمیم گیری در مورد اعطای تسهیلات به مشتریان بانکها در ایران بهروش سنتی و بر پایه قضاوت شخصی در مورد ریسک عدم بازپرداخت صورت میپذیرفت. لیکن افزایش فزاینده تقاضای تسهیلات بانکی از سوی بنگاههای اقتصادی و خانوارها از یکسو و افزایش رقابتهای تجاری گسترده و تلاش بانک ها و موسسات مالی و اعتباری در کشور برای کاهش ریسک عدم بازپرداخت تسهیلات از سوی دیگر موجب به کارگیری روشهای نوین از جمله روشهای آماری در این زمینه شده است. امروزه بانکها به منظور پیش بینی احتمال کوتاهی دربازپرداخت تسهیلات و طبقه بندی متقاضیان خود از رتبه بندی اعتباری مشتریان خود بهره میگیرند. صرفه جویی در زمان، صرفه جویی در هزینه، حذف قضاوتهای شخصی و افزایش دقت در ارزیابی متقاضیان انواع تسهیلات از جمله مزایای آن می باشد. روشهای آماری مختلفی همچون تحلیل ممیزی، رگرسیون لجستیک، هموارسازی ناپارامتریک و نیز روشهایی چون شبکه های عصبی در زمینه رتبه بندی اعتباری مورد استفاده قرار گرفته اند. از این میان شبکه های عصبی به دلیل قابلیت طبقه بندی، تعمیم و یادگیری الگوها نسبت به سایر روشها از انعطاف پذیری بالاتری برخوردار بوده و در سالهای اخیر مورد توجه بیشتری قرار گرفته اند. در این مقاله، ابتدا با بهره گیری از پرسشنامه و نظر خبرگان بانکی به انتخاب بعضی معیارهای مهم در اعطای انواع تسهیلات اعتباری اعم از مضاربه، مشارکت مدنی، فروش اقساطی و جعاله به مشتریان حقیقی یکی از بانکهای خصوصی کشور میپردازیم.

رتبه بندی اعتباری مشتریان حقیقی بانکها با استفاده ازمدل های مختلف شبکه های عصبی: مطالعه موردی یکی از بانک های خصوصی ایران Keywords:

رتبه بندی اعتباری , شبکه عصبی , پرسپترون چند لایهMLP , ترکیبی از خبرگانMOE , تابع پایه شعاعیRBF , کوانتیزه برداری یادگیرندهLVQ