مدیریت ریسک اعتباری مشتریان بانکی با استفاده از روش ماشین بردار تصمیم بهبودیافته با الگوریتم ژنتیک با رویکرد داده کاوی

چکیده:
مدیریت ریسک اعتباری، رتبه بندی اعتباری و ارزیابی میزان ریسک مشتریان، در کنار جذب منابع از اهمیت بالایی برای بانک ها برخوردار است؛ زیرا اگر بانک ها با تخصیص بهینۀ منابع و کسب درآمد بین فرایند تجهیز و تخصیص منابع خود نتوانند توازن ایجاد کنند، در آینده با مشکلات زیادی روبه رو می شوند. براساس آمارهای رسمی منتشرشده از سوی بانک مرکزی ج.ا.ا در سال های اخیر، میزان مطالبات معوق بانک ها بسیار افزایش یافته است؛ زیرا سیستم اعتبارسنجی دقیقی برای ارزیابی اعتبار و اندازه گیری میزان ریسک مشتریان وجود ندارد. در این پژوهش، الگویی با استفاده از روش های داده کاوی برای پیش بینی شاخص نرخ وصول مشتریان ارائه می شود. رویکردی که در سال های اخیر در دنیا به عنوان روشی جدید برای اندازه گیری ریسک مشتریان به جای اندازه گیری احتمال نکول مدّنظر قرارگرفته است. نتایج نشان می دهد الگوی پیشنهادی این پژوهش، دقت بیشتری دارد. به طور کلی، هدف پیش بینی درصد وصول مطالبات قراردادهای با احتمال ریسک مطالباتی بالا قبل از اعطای تسهیلات است.
درسالهای اخیر، توانایی تولید، ضبط و ذخیره دادهها افزایش یافته است. اطلاعاتی که در این دادهها میتواند نهفته باشد، بسیار مهم است. در دسترس بودن حجم بالای داده و نیاز تبدیل آنها به دانش، صنعت فناوری اطلاعات را برای استفاده از داده کاوی تشویق کرده و به سمت ان سوق داده است.
صنعت بانکداری در مسیر کسب و کار خود در سراسر جهان، دستخوش تغییر فوقالعادهای شده است. همچنین این صنعت شروع به شناخت تکنیکها و مهارتهای استفاده از دادهکاوی برای استفاده در رقابت بازار بانکی کرده است. بانکها با استفاده از ابزار دادهکاوی به بخشبندی مشتریان، مطالعه سوددهی، رتبهبندی اعتباری و پیشبینی پرداخت تسهیلات و وصول مطالبات، بازاریابی، شناسایی و کشف تقلب در تراکنشها و غیره توجه کردهاند.
واژگان کلیدی:
ریسک اعتباری، ماشین بردار تصمیم، مطالبات ریالی، نرخ وصول، مدیریت ریسک
نویسندگان:
میثم جعفری اسکندری، میلاد روحی
این مقاله را در لینک زیر میتوانید مشاهده نمایید :
http://ensani.ir/file/download/article/1540364619-10049-26.pdf