پیش‌بینی ریسک تسهیلات پرداختی با استفاده از ابزارهای داده‌کاوی

چکیده:

یکی از شایع‌ترین علل که در ریسک اعتباری باید مورد توجه قرار ‌گیرد عدم ایفای تعهدات مشتریان است. با پیش‌بینی رفتار اعتباری متقاضیان تسهیلات، می‌توان نرخ رشد مطالبات غیرجاری را کاهش داد. به همین منظور، این پژوهش در خصوص صاحبان کسب‌وکار متقاضی تسهیلات در یکی از بانک‌های دولتی ایران انجام گرفته است.

در پژوهش حاضر، پس از گزینش شاخص‌های اساسی شکل‌دهندهٔ رفتار مشتریان، به کمک روش نمونه‌گیری طبقه‌بندی‌شده، ۵۲۱ نمونهٔ تصادفی از بین پرونده‌‌های تسهیلاتی مشتریان صاحبان کسب‌و‌کار متقاضی تسهیلات انتخاب شد؛ سپس فرایند آماده‌سازی داده‌ها با تلخیص و یکپارچه‌سازی و درون‌یابی برخی داده‌های مفقود صورت پذیرفت؛ در گام بعدی، نهایتاً ۸۵ شاخص جهت الگوسازی انتخاب و به‌منظور سنجش درجهٔ اهمیت عوامل مؤثر در رفتار اعتباری متقاضیان، از الگوریتم‌های درخت تصمیم، شبکهٔ عصبی، و ماشین بردار پشتیبان بهره گرفته شد که الگوریتم درخت تصمیم با میانگین قدر مطلق خطای ۱۴ درصد در بهترین حالت نرخ نکول را پیش‌بینی کرد. بر اساس داده‌های موجود و مطابق با نتایج به‌دست‌آمده، الگوریتم درخت تصمیم چاید و استفاده از شاخص‌های مدت قرارداد، مبلغ امهال، تعداد اقساط، سود عملیاتی به دارایی، نوع عقد، میانگین قرض‌الحسنه 3 ماه قبل و مبلغ وام می‌تواند پیش از اعطای تسهیلات، در تصمیم‌گیری و پیش‌بینی رفتار اعتباری مشتری نقش حائز اهمیتی داشته باشد.امروزه، بانک‌ها برای شناخت مشتریان، ارضای نیازمندی‌ها و ارائه خدمات مالی مناسب نیازمند شناسایی دقیق ویژگی‌های اعتباری آن‌ها هستند. یکی از خدمات مالی در بانک ارائه تسهیلات مالی از جمله وام به مشتریان است که خود باعث شده است فعالیت بانک‌ها با ریسک اعتباری مواجه شود.

واژگان کلیدی:

ریسک اعتباری، مطالبات غیرجاری، درخت تصمیم، شبکه عصبی، ماشین بردار پشتیبان.

نویسندگان:

مسلم نیلچی، خشایار مقدم، علیرضا ناصر صدرآبادی، علی فرهادیان

این مقاله را در لینک زیر میتوانید مشاهده نمایید:

http://jmbr.mbri.ac.ir/article-1-943-fa.pdf