چکیده:
با توجه به اهمیت بحث اعتبارسنجی مشتریان در تصمیمگیری مؤسسههای اعتباری برای اعطای تسهیلات، تحقیقات گستردهای در خصوص روشهای رتبهبندی اعتباری انجام شده است. الگوریتمهای ژنتیک بهعنوان یکی از روشهای محاسبۀ تکاملی، از جمله روشهایی است که در این زمینه استفاده میشود. مقالات بسیاری در مقایسۀ عملکرد الگوریتمهای ژنتیک و سایر روشهای رتبهبندی رایج منتشر شده است، اما جزئیات چندانی دربارۀ تابع شایستگی مورد استفاده در الگوریتم ژنتیک ارائه نشده، در حالیکه تابع شایستگی تأثیر شایان توجهی بر عملکرد مدل کلّی دارد. برای بررسی بیشتر موضوع، در مقالۀ حاضر سه تابع شایستگی قابل استفاده در الگوریتم ژنتیک مطرح شده و عملکرد آنها با سایر روشهای رتبهبندی اعتباری شامل رگرسیون لجستیک و تحلیل پوششی دادهها مقایسه شده است. نتایج بهدست آمده حاکی از برتری عملکرد تابع درجه دو الگوریتم ژنتیک از لحاظ مجموع شاخصهای صحت، تشخیص و حساسیت است.
a lot of studies have been done about customer credit scoring, considering importance of the topic on credit institutions decision making. As an evolutionary computation method, Genetic algorithm is one of the methods used in this field. A variety of papers are published on comparing the performance of genetic algorithms with other scoring method but there is little information regard to fitness functions while these fitness functions play a vital role in overall performance of the model. To further investigation of the problem, three different fitness functions are proposed in the current paper and their performance is compared with other scoring methods including logistic regression and data envelopment analysis. The obtained results have shown that genetic algorithms quadratic function totally outperformed other methods based on accuracy, detection and sensitivity criteria.