مقایسه‌ی مدل‌های مختلف شبکه‌ی عصبی در رتبه‌بندی اعتباری سیستم بانکی و معرفی بهترین مدل (۱۳۸۵-۱۳۹۰)

Abstract

در نگاهی ساده، حوزه‌ی فعالیت بانک‌ها تجهیز و تخصیص منابع است. لذا، بانک‌ها با در نظر گرفتن ریسک اعتباری مشتریان، به تقاضاهای آن‌ها مبنی بر اخذ تسهیلات جامه‌ی عمل می‌پوشانند. این پژوهش، با هدف انتخاب متغیرهای اثرگذار و مدل بهینه، به‌منظور رتبه‌بندی اعتباری مشتریان بانکی با استفاده از مدل‌های شبکه‌های عصبی با الگوریتم پس‌انتشار خطا، شبکه‌های عصبی G‌M‌D‌H، شبکه‌های عصبی با الگوریتم شعاع‌محور، مدل‌های لاجیت، پروبیت و تحلیل ممیزی ارائه شده است. لذا ۲۰۰ نفر از مشتریان حقیقی یکی از بانک‌های دولتی در فواصل سال‌های ۱۳۸۵-۱۳۹۰ انتخاب شده‌اند که از این تعداد ۱۰۵ نفر خوش‌حساب و ۹۵ نفر از مشتریان بدحساب بوده‌اند. در مرحله‌ی اول ۹ متغیر به‌عنوان متغیرهای بی‌اثر در وضعیت اعتباری مشتریان تشخیص داده شد که ۵ متغیر حذف شدند. نهایتاً مقایسه‌ی این مدل‌ها با یکدیگر نشان داد که شبکه‌های عصبی با الگوریتم شعاع‌محور و شبکه‌های عصبی G‌M‌D‌H بالاترین دقت را در پیش‌بینی رفتار اعتباری مشتریان دارد.

Keywords

• رتبه‌بندی اعتباری
• ریسک اعتباری
• شبکه‌های عصبی
• الگوریتم پس انتشار خطا
• مدل gmdh
• الگوریتم شعاع محور
• مدل لاجیت
• "مدل پروبیت" و مدل تحلیل ممیزی