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

هدف پژوهش حاضر ارزیابی روش های رتبه بندی اعتباری مشتریان حقیقی (دریافت کنندگان اعتبارات خرد) بانک ها، به وسیله بررسی سوابق مالی و مشخصات خصیصه ای فرد متقاضی می باشد. بررسی های صورت گرفته نشان می دهد که جهت رتبه بندی اعتباری مشتریان عمدتا از سه روش؛ مدل لاجیت، شبکه عصبی و الگوریتم ژنتیک، استفاده می شود. در این پژوهش کارایی این روش ها جهت سنجش دقیق نکول مورد ارزیابی قرار می گیرد. بدین منظور اطلاعات و داده های مالی و کیفی یک نمونه تصادفی 399 تایی از مشتریان که طی سال های 87 الی 91 تسهیلات دریافت نموده اند مورد بررسی قرار می گیرد. پس از بررسی پرونده های اعتباری هر یک از مشتریان، 12 متغیر توضیحی شناسایی گردید که براساس آزمون لاجیت متغیرهای؛ سابقه اعتباری، معدل شش ماهه حساب، وضعیت اشتغال، میزان اعتبار درخواستی، اقساط ماهانه و مدت بازپرداخت تاثیر معنی دار بر نکول داشته اند. نتایج ارزیابی روش های رتبه بندی اعتباری نشان دهنده این است که عملکرد شبکه عصبی نسبت به مدل ژنتیک و لاجیت به مراتب بهتر بوده است چرا که درجه حساسیت 82٫92٪ و تشخیص ٪76٫92 می باشد و به طورکلی این مدل توانسته است 80٪ نکول یا عدم نکول را درست پیش بینی کند. بنابراین پیشنهاد می شود جهت کاهش ریسک اعتباری بانک، اصلاح ساختاری مبتنی بر ایجاد سامانه اعتبار سنجی مشتریان بر اساس شبکه عصبی صورت پذیرد.