مقایسه ی مدل های مختلف شبکه ی عصبی در رتبه بندی اعتباری سیستم بانکی و معرفی بهترین مدل (1385-1390)

در نگاهی ساده، حوزه ی فعالیت بانک ها تجهیز و تخصیص منابع است. لذا، بانک ها با در نظر گرفتن ریسک اعتباری مشتریان، به تقاضاهای آن ها مبنی بر اخذ تسهیلات جامه ی عمل می پوشانند. این پژوهش، با هدف انتخاب متغیرهای اثرگذار و مدل بهینه، به منظور رتبه بندی اعتباری مشتریان بانکی با استفاده از مدل های شبکه های عصبی با الگوریتم پس انتشار خطا، شبکه های عصبی GMDH، شبکه های عصبی با الگوریتم شعاع محور، مدل های لاجیت، پروبیت و تحلیل ممیزی ارایه شده است. لذا 200 نفر از مشتریان حقیقی یکی از بانک های دولتی در فواصل سال های 1385-1390 انتخاب شده اند که از این تعداد 105 نفر خوش حساب و 95 نفر از مشتریان بد حساب بوده اند. در مرحله ی اول 9 متغیر به عنوان متغیرهای بی اثر در وضعیت اعتباری مشتریان تشخیص داده شد که 5 متغیر حذف شدند. نهایتا مقایسه ی این مدل ها با یکدیگر نشان داد که شبکه های عصبی با الگوریتم شعاع محور و شبکه های عصبی GMDH بالاترین دقت را در پیش بینی رفتار اعتباری مشتریان دارد.

Keywords:

رتبه بندی اعتباری , ریسک اعتباری , شبکه های عصبی , الگوریتم پس انتشار خطا , مدل GMDH , الگوریتم شعاع محور , مدل لاجیت , مدل پروبیت و مدل تحلیل ممیزی