رابطه بین اولویت های شاخص ارایه تسهیلت و ریسک اعتباری بانک ها (مطالعه موردی بانک پاسارگاد)

شناسایی مشتریان پر مخاطره همواره یکی از دغدغه های بانک ها و موسسات مالی است . مدل های و روش های موثری هستند که برای تعیین اولویت شاخص ارایه تسهیلا ت وام به مشتریان به کار برده میشوند . تعیین میزان ریسک مشتریان با استفاده از این روش ها به موسسات مالی و بانکی کمک میکند تا از بروز ضرر و زیان های مالی ناشی از عدم بازپرداخت اقساط تسهیلات به وسیله مشتریان با ریسک بال ، جلوگیری به عمل آورند. این مقاله تلش داشته است تا با استفاده از سه روش تعیین اعتبار به عنوان روش های داده کاوی به بررسی رابطه میان پارامترهای اولویت در ارایه تسهیلات به مشتریان و مدیریت ریسک اعتباری بپردازد و سپس بر اساس نتایج بدست آمده اقدام به مقایسه این مدل ها بر اساس میزان خطای پیشبینی آن ها اقدام کرده است. سه روش داده کاوی استفاده شده در این تحقیق شامل شبکه عصبی مصنوعی ، درخت تصمیمگیری و رگرسیون لجستیک است. نرخ طبقه نادرست هر یک از این سه روش نشان داد که ، درصد خطای طبقه بندی نادرست مشتریان در روش رگرسیون لجستیک کمتر از درخت تصمیم گیری و شبکه عصبی مصنوعی است. نرخ طبقه بندی نادرست برای سه مدل شبکه عصبی ، درخت تصمیم گیری و رگرسیون لجستیک به ترتیب برابر 26.99 درصد ، 32.52 درصد و 25.77 درصد است.

Keywords:

داده کاوی , شبکه عصبی مصنوعی , رگرسیون لجستیک , درخت تصمیم گیری , ریسک اعتباری