ارزیابی اثر شبکه اجتماعی افراد بر امتیاز اعتباری بانک‌ها و مؤسسه‏های اعتباری با روش‌های یادگیری عمیق ماشین و گرادیان

Abstract

این پژوهش به‌دنبال بررسی اثر متغیر‌ها و داده‌‌های مرتبط با شبکه اجتماعی افراد، بر امتیاز اعتباری آن‌هاست. در این پژوهش، دو هدف اصلی دنبال می‏شود: اول، کاهش عدم تقارن اطلاعاتی و دوم، افزایش شمول مالی. دستیابی به اهداف یادشده با یافتن اطلاعات معنا‌دار در زمینه داده‌‌های اجتماعی افراد انجام می‌شود تا چگونگی اثر چنین داده‌هایی بر امتیاز اعتباری آن‌ها اندازه‌گیری شود. فرضیه اساسی پژوهش این است که افراد با امتیاز اعتباری بالا با افراد مشابه و هم سنخ خود ارتباط اجتماعی دارند. در این پژوهش از یک مجموعه داده، برای تأیید و توضیح اثر متغیرهای شبکه اجتماعی بر امتیاز اعتباری استفاده شد که مشتمل بر وام‏هایی بود (بیش از 300 هزار) که یکی از بانک‌های ایرانی به افراد حقیقی پرداخت کرده بود. برای تعیین متغیرهای پژوهش با تعدادی از متخصصان بانکی و افراد خبره در حوزه اعتبارسنجی، مصاحبه عمیق صورت گرفت و در انتها، متغیرها در سه طبقه مالی، رفتاری و اجتماعی تعیین و طبقه‌بندی شد. برای آزمایش فرضیه پژوهش، ابتدا از روش‌های آمار توصیفی و در ادامه، از روش رگرسیون لجستیک و در نهایت، از انواع مدل‏های رگرسیون مبتنی بر یادگیری عمیق ماشین، از جمله گرادیان استفاده شد. نتیجه بررسی‌های روش رگرسیون لجستیک نشان داد که از نظر آماری، متغیر‌‌های اجتماعی افراد، قابلیت پیش‌بینی احتمال نکول وام آنان را دارد. نتایج الگوریتم‌‌های یادگیری ماشین نیز نشان داد که اطلاعات شبکه اجتماعی، می‌تواند عملکرد پیش‌بینی نکول وام را به‌طور چشمگیری بهبود بخشد.

Keywords

• امتیازدهی اعتباری
• ریسک نکول
• شمول مالی
• عدم تقارن اطلاعاتی
• شبکه اجتماعی
• پیوند اجتماعی بد