چکیده:
در حال حاضر در نظام بانکداری، عدم بازپرداخت تسهیلات به یکی از بزرگترین مسائل تبدیل شدهاست و بهدلیل عدم وجود یک سیستم مناسب برای تخصیص تسهیلات، بانکها و موسسات مالی دچار مشکلات عدیدهای ازجمله افزایش حجم مطالبات معوق شدهاند. نظر به اهمیت ریسک اعتباری، بانکهای تجاری در سطح دنیا درگذشته اغلب از روش قضاوتی برای تعیین ریسک استفاده مینمودند، لکن استفاده از این روشها با توجه به توان محدود انسانها در تحلیل همزمان فاکتورهای مختلف مؤثر بر ریسک اعتباری در مقایسه با روشهای آماری و همچنین روشهای هوش مصنوعی از کارایی کمتری برخوردار است. به همین منظور این تحقیق درصدد است تا کارایی مدل رگرسیون لجستیک و شبکه عصبی مصنوعی را در تشخیص وضعیت اعتباری مشتریان بانک در فاصله زمانی سال 1388-1392 بسنجد. بررسی نتایج نشان داد که دقت کل مدل شبکه عصبی در دادههای آموزش 87% و رگرسیون لجستیک 2/77% تعیین شدهاست و خطای نوع اول و دوم در شبکه عصبی به میزان قابلملاحظهای نسبت به روش دیگر کاهش یافته است. با توجه به نتایج نمیتوان انتظار داشت مدلهای آماری با مفروضات کلاسیک نظیر خطی بودن روابط متغیرها، بتوانند ریسک اعتباری مشتریان را به درستی ارزیابی نماید؛ از این رو بکارگیری یا تلفیق تکنیکهای هوش مصنوعی در این مساله ضرورتا توصیه میشود.
خلاصه ماشینی:
با توجـه بـه هـدف مـذکور سـوالات تحقیـق را میتوان به شرح زیر فهرست نمـود: ١- متغیرهـای مـوثر در اعتبارسـنجی مشـتریان بانک مورد مطالعه کدامنـد؟ ٢- دقـت عملکـرد مـدل رگرسـیون لجسـتیک در سـنجش اعتبار مشتریان بانک به چـه میـزان اسـت ؟ ٣- دقـت عملکـرد سیسـتم شـبکه عصـبی مصنوعی در سنجش اعتبار مشتریان بانک به چه میزان است ؟ ٤- مدل مناسب از نظر دقت ، خطای نوع اول و دوم جهت اعتبارسنجی مشتریان وام کدام است ؟ 1- Nurlybayeva & Balakayeva 2- Abdou 3- Yu 4- Fogarty در این راستا، ابتدا مفاهیم اساسی اعتبارسنجی مورد بررسی قرار مـیگیـرد، پـس از ارائه مبانی اصلی شبکه عصبی مصنوعی و رگرسیون لجستیک ، طراحی مدل و تحلیل دادهها انجام میگیرد و در نهایت عملکرد مدل شـبکه عصـبی مصـنوعی و رگرسـیون لجستیک مورد مقایسه قرار میگیرد.
1- Kozney 2- Bitmask 3- Polynomial equation 4- Parameter range estimation 5- Discriminant Analysis 6- Logistic Regression 7- Multi-layer Perceptron Neural Network طراحی مدلی جهت آنها به مقایسه دو مدل شبکه عصبی مصنوعی و رگرسیون لجستیک 1 ارزیابی ریسک اعتباری برای ارائه مدلی جهت اعتبارسنجی پرداختند.