ارائه مدل هوشمند هیبریدی رتبه بندی اعتباری متقاضیان دریافت تسهیلات بانکی

هدف این تحقیق توسعه مدل پیش‏بینی احتمال نکول متقاضیان دریافت تسهیلات متناسب با شرایط محیطی کشور و با اجتناب از فرضیات محدودکننده روش‏های آماری می‏باشد. بدین منظور در این تحقیق از فرآیندی دو مرحله‏ای شامل 1) انتخاب نشانگرهای مالی و 2) توسعه مدل پیش‏بینی احتمال نکول استفاده شده است. ابتدا با استفاده از پرسشنامه، متغیرهایی که توانایی ایفای نقش نشانگرهای مالی اعتبارسنجی را دارند انتخاب، سپس مدل ترکیبی اعتبارسنجی بر اساس مدل‏های شبکه عصبی خودسازمان‏ده (som) و شبکه عصبی رادیال (rbfn) توسعه داده می شوند. این مدل پیشنهادی از نشانگرهای مالی انتخاب شده در مرحله اول استفاده کرده و وظیفه تخمین احتمال نکول و انتخاب مجموعه نشانگرهای مالی منتخب را به عهده دارد. به منظور اعتبارسنجی مدل پیشنهادی، نتایج این مدل با نتایج مدل رگرسیون لوجستیک که یکی از پر کاربردترین مدل ها در حوزه ریسک اعتباری است، مقایسه شده است. نتایج این مقایسه فرضیات پژوهش را تایید کرده و حاکی از برتری روش پیشنهادی، هم از منظر کارایی و قابلیت اطمینان در تخمین احتمال نکول و هم از منظر توانایی در انتخاب مجموعه نشانگرهای مالی اعتبارسنجی، بود.