دسته بندی ریسک اعتباری مشتریان حقیقی با استفاده از یادگیری جمعی (مطالعه موردی بانک سپه)

چکیده:

فعالیت‌های بانکی و اعطای تسهیلات در بانک‌ها همواره با ریسک اعتباری مواجه بوده و با توجه به محدودیت منابع مالی بانک‌ها جهت ارائه تسهیلات، ارزیابی توان بازپرداخت مشتریان بانک پیش از اعطای تسهیلات، یکی از مهمترین چالش‌های پیش‌روی سیستم بانکی کشور است. بر این اساس در این تحقیق سعی بر آن شد که مدلی در جهت تعیین عوامل مهم موثر بر رفتار اعتباری مشتریان بانکی ارائه شود. تحقیق حاضر با استفاده از اطلاعات مشتریان حقیقی بانک سپه در سال های ۱۳۹۵ و ۱۳۹۶ صورت گرفته است و مدل‌سازی تحقیق با استفاده از شبکه عصبی، درخت تصمیم فازی انجام شده است. آنچه نوآوری تحقیق می‌تواند محسوب شود استفاده از روش‌های یادگیری جمعی است که به منظور افزایش دقت در نتایج درخت تصمیم فازی در این تحقیق مدنظر قرار گرفته است. نتایج حاصل از تحقیق نشان می‌دهد که درآمد و تراکنش‌های مالی مشتریان از بیشترین اهمیت در تعیین ریسک اعتباری مشتریان برخوردار بوده است. هم‌چنین نتایج نشان می‌دهد که درخت تصمیم فازی با استفاده روش بگینگ دقت بالاتری نسبت به روش شبکه عصبی و درخت تصمیم فازی معمولی دارد.

بررسی عملکرد بیشتر کشورهای جهان نشان می‌دهد که سرمایه‌گذاری و پیشرفت اقتصادی رابطه نزدیکی با یکدیگر دارند. یعنی کشورهایی که الگوی کارآمدی در تخصیص سرمایه به بخش‌های مختلف اقتصادی دارند، اغلب از پیشرفت اقتصادی و در نتیجه رفاه اجتماعی الاتری برخوردار هستند. تجهیز و تخصیص منابع جهت سرمایه‌گذاری در فعالیت‌های اقتصادی از طریق بازار مالی انجام می‌پذیرد که بازار اعتبارات بانکی، قسمتی از این بازار است.

واژگان کلیدی :

ریسک اعتباری، شبکه عصبی، درخت تصمیم فازی، یادگیری جمعی

نویسندگان :

مهدی نظرآقایی، حسین غیاثی، محمد اصغرخواه چافی

این مقاله را در لینک زیر میتوانید مشاهده نمایید:

http://jmbr.mbri.ac.ir/article-1-1178-fa.pdf