اعتبارسنجی مشتریان حقوقی بانک پارسیان با استفاده از شبکه های عصبی مصنوعی

یکی از بحران های پیش روی بانک ها و موسسات مالی، نکول و یا عدم پرداخت اقساط مشتریان می باشد. درحال حاضر بانک پارسیان همچون بسیاری از بانک های دیگر، نرم افزار و یا مدلی برای کنترل ریسک اعتباری خود ندارد. با مشاهده افزایش تسهیلات سررسید گذشته و معوق بانک پارسیان، این پژوهش به دنبال طراحی مدلی برای اعتبارسنجی مشتریان حقوقی این بانک، با استفاده از شبکه های عصبی مصنوعی است. در این پژوهش نسبت های مالی و برخی مشخصات 515 مشتری حقوقی همچون، نوع شرکت، وضعیت مالکیت و تعداد اعضای هیئت مدیره ، متغیرهای توضیح و نکول یا عدم نکول متقاضی متغیر وابسته می باشد که معنی داری ارتباط آن ها با ریسک اعتباری با استفاده از آزمون های آماری مناسب تائید شده است. برای طراحی مدل از شبکه عصبی مصنوعی، در نرم افزار matlab و به عنوان روش مقایسه ای از رگرسیون لوجیت استفاده شده است. نتایج حاصل از این پژوهش نشان دهنده اهمیت بالاتر متغیرهای نسبت دارایی جاری به کل دارایی ، سود قبل از کسر مالیات به کل بدهی، فروش به کل بدهی، سود خالص به حقوق صاحبان سهام و کل بدهی به حقوق صاحبان سهام می باشد که وزن های بالایی را در مدل به خود اختصاص داده اند. در نهایت نتیجه استفاده از شبکه های عصبی 5 متغیره درخصوص داده های آموزش با اعتبار 65% گویای ارجحیت این روش بر رگرسیون لوجیت با اعتبار 60% و کارایی بالاتر آن است ، لیکن برای داده های آزمایش اعتبار مدل لوجیت 59% و اعتبار شبکه عصبی 49% بدست آمد که این نشان دهنده اعتبار و کارایی بالاتر لوجیت در پیش بینی برای داده های آزمایش می باشد. نتیجه استفاده از شبکه های عصبی 17 متغیره گویای ارجحیت این روش بر رگرسیون لوجیت و کارایی بالاتر آن در هر دو دسته از داده ها است. چنانچه اعتبار شبکه های عصبی برای داده های آموزش 69% و برای داده های آزمایش 76% بدست آمد.