توسعه مدل شبکه عصبی بهینه شده با الگوریتم پرواز پرندگان در پیش بینی ریسک اعتباری مشتریان بانک مسکن

سیستم امتیازدهی اعتبار مشتریان CS به عنوان یکی از روش های ارزیابی ریسک شناخته میشود که در آن مشتریان به دو طبقه مشتریان ریسکی و مشتریان غیر ریسکی تقسیم می شوند. هدف مدل های CS آن است که با استفاده از تکنیک های مدرن همچون داده کاوی به ارزیابی دقیق و عینی از ریسک افراد گیرنده اعتبار دست یابد. مدلسازی مساله CS را می توان به صورت یک مساله کلاسبندی در داده کاوی در نظر گرفت که هدف آن تخمین نگاشتی است که با بکارگیری ویژگی های مشتریان، آنها را به یکی از دو کلاس پر ریسک و کم ریسک نگاشت نماید. درتحقیق حاضر به بررسی عوامل موثر بر ریسک اعتباری مشتریان بانک مسکن شعب استان خراسان جنوبی با بکارگیری مدل شبکه عصبی بهینه شده باالگوریتم بهینه سازی پرواز پرندگان (PSO) می پردازیم. در این راستا متغیرها اعم از مشتریان حقیقی وحقوقی، سن، جنسیت، تحصیلات، میزان تسهیلات، گردش حساب، درآمد مشتری، شغل، نوع تسهیلات اعم از تکلیفی و غیرتکلیفی و شهری یا روستایی بودن مورد بررسی قرار گرفت و مدل شبکه عصبی آموزش دیده با PSO نگاشت پیش بینی کننده اعتبار مشتری را به عنوان توابعی از متغیرهای فوق بدست آورد. نتایج حاکی از دقت بالای مدل ارایه شده نسبت به مدل های شبکه عصبی آموزش دیده با الگوریتم پس انتظار خطا و شبکه عصبی ژنتیک می باشد.

Keywords:

ریسک اعتباری مشتریان , شبکه عصبی مصنوعی , کلاسبندی , بهینه سازی پرواز پرندگان