رتبه بندی اعتباری مشتریان حقوقی بانک ها با رویکرد هوش مصنوعی

thesis
abstract

در صنعت بانکداری یکی از موضوعاتی که همواره بایستی مدنظر سیاستگذاران اعتباری قرار داشته باشد، مبحث مدیریت ریسک است. در بین ریسک های مختلفی که بانک ها با آن مواجهند, ریسک اعتباری از با اهمیت ترین آن ها است که از زیان های ناشی از ناتوانی یا عدم تمایل مشتری به ایفای تعهدات خویش در برابر بانک حاصل می گردد. جهت مدیریت و کنترل ریسک مذکور, سیستم های رتبه بندی اعتباری مشتریان ضرورتی انکار ناپذیر است. چنین سیستمی، براساس سوابق و اطلاعات موجود، درجه اعتباری مشتریان را تعیین نموده و آنان را براساس میزان ریسکی که متوجه بانک خواهند نمود، رتبه بندی می کند. بدیهی است بهره گیری از چنین سیستمی بانک را در گزینش مطلوب مشتریان خود یاری نموده و ضمن کنترل و کاهش ریسک اعتباری، سطح بهره وری فرایند اعطای تسهیلات بانکی را ارتقا می دهد. در بررسی حاضر مدل های رتبه بندی اعتباری با رویکرد هوش مصنوعی شامل: شبکه های عصبی مصنوعی، سیستم استدلال عصبی- فازی و سیستم استدلال فازی بهبود یافته توسط الگوریتم ترکیبی، به منظور پیش بینی عملکرد مالی مشتریان حقوقی مشتریان حقوقی بانک ها ارایه گردیدند. پس از جمع آوری و بررسی مشاهدات، 320 پرونده مربوط به مشتریان حقوقی شعب شهر تهران بانک تجارت طی سال های 80-85، متغیرهای نسبت بدهی، نسبت فعالیت و نسبت ارزش ویژه به مجموع دارایی ها به عنوان متغیرهای توضیحی مدل انتخاب شدند. از سوی دیگر متغیر وابسته مدل بصورت یک متغیر موهومی، با تعیین دو ارزش صفر و یک برای مشتریان خوش حساب و بد حساب، در نظر گرفته شد. سپس داده ها به دو مجموعه مدل و شاهد تقسیم شدند. پس از آموزش و توسعه هریک از مدل ها، کارایی پیش بینی آن ها با تعیین دو معیار درجه تشخیص و درجه حساسیت برای داده های شاهد مورد ارزیابی قرار گرفت. نتایج بررسی نشان می دهند که مدل شبکه عصبی مصنوعی دارای بالاترین دقت در تشخیص مشتریان بد حساب و خوش حساب می باشد. مدل ترکیبی که برای بهبود سیستم استدلال فازی از آن استفاده گردید، علاوه بر دقت مطلوب آن، دارای دو مزیت است که دو مدل دیگر از آن بی بهره اند. مزیت نخست اینکه این مدل قادر است چندین تابع هدف را در فرایند تنظیم وزن های سیستم استدلال فازی در نظر گیرد و دیگری قابلیت تفسیر نتایج آن است، که بر اساس آن می توان موثرترین متغیر را در نکول تعیین نمود. نتایج بررسی خروجی های این مدل حاکی از تاثیر بسزای نسبت بدهی در نکول است.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

رتبه بندی اعتباری مشتریان حقوقی بانک پارسیان

این مقاله با هدف مدلسازی سنجش ریسک اعتباری و اعتبارسنجی مشتریان در بانک پارسیان به روش رگرسیون لاجیت وپروبیت و مدل شبکه‌های عصبی هوشمند GMDH انجام می‌شود. بدین منظور اطلاعات و داده‌های مالی و کیفی یک نمونه تصادفی 400 تایی از مشتریان که تسهیلات دریافت نموده اند مورد بررسی قرار می‌گیرد. این حجم نمونه از مشتریان دارای حساب منتهی به سال 1388 انتخاب شده‌اند. در این مقاله پس از بررسی پرونده‌های اعتبا...

full text

رتبه بندی اعتباری مشتریان حقوقی بانک پارسیان

این مقاله با هدف مدلسازی سنجش ریسک اعتباری و اعتبارسنجی مشتریان در بانک پارسیان به روش رگرسیون لاجیت وپروبیت و مدل شبکه‌های عصبی هوشمند GMDH انجام می‌شود. بدین منظور اطلاعات و داده‌های مالی و کیفی یک نمونه تصادفی 400 تایی از مشتریان که تسهیلات دریافت نموده اند مورد بررسی قرار می‌گیرد. این حجم نمونه از مشتریان دارای حساب منتهی به سال 1388 انتخاب شده‌اند. در این مقاله پس از بررسی پرونده‌های اعتبا...

full text

پیش‌بینی رتبه اعتباری مشتریان بانک‌ها با رویکرد هوش مصنوعی

در مقاله حاضر به منظور پیش‌بینی عملکرد مالی مشتریان حقوقی بانک‌ها یک مدل‌ رتبه‌بندی اعتباری، با استفاده از الگوریتم حل چندهدفه ـ که ترکیبی از قوانین چیرگی فازی، الگوریتم ژنتیک و الگوریتم سیمپلکس است ـ ارائه می‌شود. سپس کارآیی مدل بر اساس توانایی آن در تشخیص دقیق نکول مورد ارزیابی قرار می‌گیرد. با استفاده از داده‌های بانک کشاورزی در سال‌های 1380ـ1385، مدل مفهومی رتبه‌بندی اعتباری، تعیین و نس...

full text

پیش بینی رتبه اعتباری مشتریان بانک ها با رویکرد هوش مصنوعی

در مقاله حاضر به منظور پیش بینی عملکرد مالی مشتریان حقوقی بانک ها یک مدل رتبه بندی اعتباری، با استفاده از الگوریتم حل چندهدفه ـ که ترکیبی از قوانین چیرگی فازی، الگوریتم ژنتیک و الگوریتم سیمپلکس است ـ ارائه می شود. سپس کارآیی مدل بر اساس توانایی آن در تشخیص دقیق نکول مورد ارزیابی قرار می گیرد. با استفاده از داده های بانک کشاورزی در سال های 1380ـ1385، مدل مفهومی رتبه بندی اعتباری، تعیین و نسبت بد...

full text

رتبه بندی اعتباری مشتریان حقوقی بانک پارسیان

این مقاله با هدف مدلسازی سنجش ریسک اعتباری و اعتبارسنجی مشتریان در بانک پارسیان به روش رگرسیون لاجیت وپروبیت و مدل شبکه های عصبی هوشمند gmdh انجام می شود. بدین منظور اطلاعات و داده های مالی و کیفی یک نمونه تصادفی 400 تایی از مشتریان که تسهیلات دریافت نموده اند مورد بررسی قرار می گیرد. این حجم نمونه از مشتریان دارای حساب منتهی به سال 1388 انتخاب شده اند. در این مقاله پس از بررسی پرونده های اعتبا...

full text

رتبه بندی مشتریان حقوقی بانک ها برحسب ریسک اعتباری به روش تحلیل پوششی داده‌ها : مطالعه موردی شعب بانک کشاورزی

هدف اصلی این مقاله رتبه بندی مشتریان حقوقی بانک کشاورزی بر حسب ریسک اعتباری به روش تحلیل پوشش داده ها می باشد. در این مطالعه با استفاده از روش نمونه گیری خوشه-ای از مناطق شرق و غرب بانک کشاورزی استان تهران، 286 شرکت تسهیلات گیرنده مورد بررسی قرار گرفته و پس از خارج کردن داده های نامناسب تنها 75 شرکتی که با استفاده از عقد فروش اقساطی 24 ماهه با سررسید پایان اردیبهشت ماه 1384 تسهیلات دریافت کرد...

full text

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023