مقایسه مدل‌های شبکه عصبی، الگوریتم ژنتیک و لاجیت در ارزیابی ریسک اعتباری مشتریان

  هدف پژوهش حاضر ارزیابی روش‌های رتبه‌بندی اعتباری مشتریان حقیقی (دریافت‌کنندگان اعتبارات خُرد) بانک‌ها، به‌وسیله بررسی سوابق مالی و مشخصات خصیصه‌ای فرد متقاضی می‌باشد. بررسی‌های صورت گرفته نشان می‌دهد که جهت رتبه‌بندی اعتباری مشتریان عمدتاً از سه روش؛ مدل لاجیت، شبکه عصبی و الگوریتم ژنتیک، استفاده می‌شود. در این پژوهش کارایی این روش‌ها جهت سنجش دقیق نکول مورد ارزیابی قرار می‌گیرد. بدین منظور اطلاعات و داده‌های مالی و کیفی یک نمونه تصادفی ۳۹۹ تایی از مشتریان که طی سال‌های ۸۷ الی ۹۱ تسهیلات دریافت نموده‌اند مورد بررسی قرار می‌گیرد. پس از بررسی پرونده‌های اعتباری هر یک از مشتریان، ۱۲ متغیر توضیحی شناسایی گردید که براساس آزمون لاجیت متغیرهای؛ سابقه اعتباری، معدل شش‌ماهه حساب، وضعیت اشتغال، میزان اعتبار درخواستی، اقساط ماهانه و مدت بازپرداخت تأثیر معنی‌دار بر نکول داشته‌اند. نتایج ارزیابی روش‌های رتبه‌بندی اعتباری نشان‌دهنده این است که عملکرد شبکه عصبی نسبت به مدل ژنتیک و لاجیت به مراتب بهتر بوده است چرا که درجه حساسیت ۸۲٫۹۲٪ و تشخیص ٪۷۶٫۹۲ می‌باشد و به‌طورکلی این مدل توانسته است ۸۰٪ نکول یا عدم نکول را درست پیش‌بینی کند. بنابراین پیشنهاد می‌شود جهت کاهش ریسک اعتباری بانک، اصلاح ساختاری مبتنی بر ایجاد سامانه اعتبار سنجی مشتریان بر اساس شبکه عصبی صورت پذیرد.