اصلاح ساختار مدیریت ریسک اعتباری: مقایسه مدل های شبکه عصبی، الگوریتم ژنتیک و لاجیت در ارزیابی ریسک اعتباری مشتریان

ریسک اعتباری خطیرترین ریسک پیش روی بانک ها و موسسات اعتباری بوده، و یکی از بزرگ تارین تهدیدات و عوامل ورشکستگی آنان تلقی می گردد، از این رو طراحی مدل های رتبه بندی اعتباری مشتریان بانک ها به منظور مدیریت و کنترل ریسک مذکور، ضرورتی انکارناپذیر می باشد. پژوهش حاضر در پی رتبه بندی اعتباری مشتریان حقیقی (دریافت کنندگان اعتبارات خرد) بانک ها به وسیله سه روش از مجموعه روش های اماری و هوش مصنوعی مطرح شده در سال های اخیر شامل مدل های لاجیت، شبکه عصبی و الگوریتم ژنتیک و مقایسه صحت و دقت این روش ها در رتبه بندی اعتباری این مشتریان می باشد. نتایج حاصل حاکی از قدرت مناسب این سه روش بوده و در میان آنان روش شبکه عصبی در پیش بینی ریسک اعتباری مشتریان عملکرد مناسب تری داشته است. به نحوی که این الگو در داده های آموزشی و آزمایشی به ترتیب 83/68 و 82/50 درصد از مشتریان را درست دسته بندی کرده است و با فرض ساختار سنتی دسته بندی مشتریان مبتنی بر مدل لاجیت که نتایج حاکی از عملکرد بسیار ضعیف آن در دسته بندی صحیح مشتریان است. پیشنهاد می شود جهت کاهش ریسک اعتباری بانک اصلاح ساختاری مبتنی بر الگوهای هوشمند صورت پذیرد. چرا که نتایج مطالعه حاکی از عملکرد مدل های هوشمند بخصوص شبکه عصبی در رتبه بندی صحیح مشتریان می باشد.

Keywords:

ریسک اعتباری , مشتری حقیقی , شبکه عصبی , الگوریتم ژنتیک , لاجیت , تحلیل منحنیROC