فرزاد اصغری؛ فرید احمدی
چکیده
هدف این مقاله ارائه مدلی ترکیبی است تا ضمن ارزیابی عملکرد تسهیلات سیستم بانکی از منظر بازپرداخت بدهی تسهیلات، امکان پیش‌بینی وضعیت اعتباری متقاضیان تسهیلات را فراهم اورد.در این راستا در ابتدا با اتخاذ رویکرد مدیریت اعطای تسهیلات توسط بانک‌ها به خوشه‌بندی و رتبه‌بندی 100224 فقره از تسهیلات صندوق کارآفرینی امید پرداخته شده ...
بیشتر
هدف این مقاله ارائه مدلی ترکیبی است تا ضمن ارزیابی عملکرد تسهیلات سیستم بانکی از منظر بازپرداخت بدهی تسهیلات، امکان پیش‌بینی وضعیت اعتباری متقاضیان تسهیلات را فراهم اورد.در این راستا در ابتدا با اتخاذ رویکرد مدیریت اعطای تسهیلات توسط بانک‌ها به خوشه‌بندی و رتبه‌بندی 100224 فقره از تسهیلات صندوق کارآفرینی امید پرداخته شده اسـت. تمامی اطلاعات مربوط به تسهیلات اعطایی به مشتریان فوق از نرم‌افزار بانکداری متمرکز صندوق استخراج شده است و با اتکا به این مجموعه داده کمی ارزشمند و دارای روایی بالا از روش‌های کیفی برای گردآوری داده‌ها استفاده نشده است. در این مقاله از روش تحلیل عاملی «رب پی سی ای» برای طبقه‌بندی و از الگوریتم دو مرحله‌ای «کی-مینز» برای خوشه بندی استفاده می‌شود. همچنین غیر از روش‌های خوشه‌بندی اشاره شده از روش «سی سی ار» نیز برای ارزیابی عملکرد تسهیلات صندوق استفاده شده است. در ادامه با هدف ایجاد زمینه پیش‌بینی وضعیت اعتباری متقاضیان پیش از اعطای تسهیلات به ارائه مدلی برای پیش‌بینی اعتبار با استفاده از دو الگوریتم ماشین بردار پشتیبان و الگوریتم ترکیبی فراابتکاری شبکه عصبی-ژنتیک پرداخته شده است. نتایج به‌دست آمده از پیش‌بینی وضعیت اعتباری متقاضیان تسهیلات نشان می‌دهد که مدل به‌دست آمده از روش ترکیبی شبکه عصبی-ژنتیک با میانگین مربعات خطا 23/0 و ضریب تعیین 78 درصد از صحت پیش‌بینی بیشتری در مقایسه با مدل ماشین بردار پشتیبان برخوردار است. بنابراین، مدل ارائه شده برای پیش‌بینی وضعیت اعتباری در این مقاله، می‌تواند پیش‌بینی به نسبت مناسبی از عملکرد متقاضیان تسهیلات داشته باشد. روشی جدید که در قالب یک نرم‌افزار داده‌کاوی امکان پیش‌بینی اعتبار متقاضیان از منظر بازپرداخت بدهی تسهیلات را برای موسسات مالی-اعتباری فراهم می‌آورد.
