بکارگیری الگوریتم الکترومغناطیس در خوشه بندی اعتباری مشتریان بانکی

اگرچه بانک ها و موسسات اعتباری با مخاطرات زیادی همچون ریسک های عملیاتی، بازار، نرخ بهره و... مواجه اند، ولی با توجه به ماهیت فعالیت های آن ها، ریسک اعتباری بیشترین نقش را در توان سودآوری آن ها خواهد داشت. علیرغم ابداعات و نوآوری های موجود در نظام بانکی، ریسک عدم بازپرداخت وام از سوی وام گیرندگان هنوز هم به عنوان دلیل عمده ورشکستگی یا عدم موفقیت بانک ها محسوب می شود و علت آن هم این است که معمولاً حدود 80 درصد ترازنامه یک بانک، تسهیلات اعطایی به مشتریان است. به همین دلیل پس از شناسایی شاخص های تعیین کننده ریسک اعتباری در برخورد با تقاضای دریافت تسهیلات از جانب مشتریان حقوقی به ایجاد مدلی برای بررسی ریسک اعتباری آنها پرداخته ایم. در این تحقیق 285 نفر از مشتریان حقوقی بانکی را با استفاده از الگوریتم الکترومغناطیس به دو گروه با ریسک اعتباری بالا و ریسک اعتباری کم خوشه بندی نموده ایم . از آنجا که تاکنون مدل های بسیاری برای اعتبارسنجی مشتریان بانکی به کار گرفته شده اند، در این پژوهش بر آن شدیم تا با به کارگیری الگوریتمی نوین با عنوان الگوریتم الکترومغناطیس، این مدل را نیز برای اعتبارسنجی مشتریان بانکی پیاده سازی کنیم. این مدل تاکنون در هیچ بانکی به کار برده نشده است. بدین منظور با استفاده از تابع هدف الگوریتم k-means در الگوریتم الکترومغناطیس، خوشه بندی اعتباری مشتریان بانکی را انجام دادیم و نتایج تحقیق حاکی از آن است که در خوشه بندی اعتباری مشتریان بانکی، الگوریتم الکترومغناطیس عملکردی به مراتب بهتر از مدل های مشابه خوشه بندی از قبیل الگوریتم k-means دارد.