استفاده از داده کاوی در پیش بینی رفتار آتی مشتریان بانکها

بانکها به عنوان بخش اصلی نظام مالی همواره با ریسکهای متفاوتی روبرو هستند که یکی از عمده ترین آنها ریسک اعتباری است. حجم قابل ملاحظه ای از تسهیلات اعطایی سوختشده یا معوقه بانکها، گویای فقدان مدلهای مناسب اندازه گیری ریسک اعتباری و سیستمهای مدیریت ریسک در شبکه بانکی است.یکی از مهمترین ابزارهایی که بانکها برای مدیریت و کنترل ریسک اعتباری به آن نیازمند هستند، سیستم رتبه بندی اعتباری مشتریان است که میتواند با بهره گیری از تحلیل اطلاعات مربوط به مشتریان بانک با استفاده از فرآیند داده کاوی، به رتبه بندی اعتباری متقاضیان وام و طبقه بندی آنها به مشتریان خوش حساب و بدحساب، بدون قضاوت شخصی و براساس سیستمهای هوشمند پرداخت.از آنجایی که مساله ی تخصیص وام مساله ای غیرقطعی و نیمه ساختارمند است و در ارزیابی درخواست وام از عوامل کیفی و کمی توام با هم استفاده میشود؛ لذا یکی از روشهای برخورد با چنین مسایلی میتواند بهره گیری از داده کاوی و درخت تصمیم باشد.در این مقاله پس از مروری بر انواع کاربردهای داده کاوی در مدیریت ریسک فعالیتها و خدمات مختلف بانکی، مدلی مبتنی بر داده کاوی، برای شناسایی و پیشبینی مشتریان دارای ریسک بالقوه ی دریافت اعتبار ارائه شده و سپس با انجام مطالعه ی موردی و پیشبینی رفتار مشتریان دارای حساب، با استفاده از تکنیکهای رده بندی و قوانین انجمنی و استفاده از الگوریتم Apriori روی داده های واقعی، صحت پیش بینی مدل را با روشهای مختلف ارزیابی کرده و بر اساس نتایج حاصل پیشنهاداتی برای توسعه و کاربرد این روش در مدیریت ریسک خدمات اعتبار در بانکها ارائه میدهیم.

Keywords:

داده کاوی , مدیریت ریسک , بانکداری , تکنیکهای رده بندی , درخت تصمیم گیری , استخراج قوانین , قوانین انجمنی