مقایسه کارکرد مدل لاجیت و روش درختهای طبقه بندی و رگرسیونی در فرآیند اعتبار سنجی متقاضیان حقیقی برای استفاده از تسهیلات بانکی

در صنعت بانکداری امروز وامها نقشی اساسی دارند، به طوریکه بخش زیادی از دارائی های یک بانک از وامهای پرداخت شده به افراد و شرکتها تشکیل می شود، در نتیجه با توجه به افزایش تعداد درخواستهای وام از سوی افراد و با توجه به ریسک موجود در این رشته از فعالیتها، ارایه روشی برای مدیریت این وامها ضروری به نظر می رسد. در بین ریسک هایی که بانک با آن مواجه است، ریسک اعتباری از اهمیت ویژه ای برخوردار است. یکی از راه های کمی سازی و اندازه گیری ریسک اعتباری و در نتیجه مدیریت مناسب آن، استفاده از مدل های امتیازدهی اعتباری (CS) است. مدل CSبر اساس معیارهای کمی (مانند اطلاعات مالی افراد) و نیز معیارهای غیرکمی (مثل مشخصات مربوط به شخصیت اجتماعی افراد)، ویژگی ها و عملکرد وام های قبلی را مدل سازی می نماید تا عملکرد آتی وام هایی با مشخصات مشابه را پیش بینی کند. در CS یک نمره به هر مشتری اختصاص داده می شود، این نمره به عنوان شاخصی از ریسک مشتریان شناخته می شود. با مقایسه این نمره مقدار آستانه، مشتریان پر ریسک و کم ریسک از هم دیگر تفکیک میگردند. به رغم عمومیت استفاده از روش لاجیت در فرآیند اعتبار سنجی افراد، در این تحقیق سعی شده است روشی جایگزین که با توجه به وضعیت اطلاعات موجود در خصوص مشتریان حقیقی بانک ها در ایران که نسبت به مدل لاجیت برتری داشته باشد ارایه و با استفاده از یک مجموعه داده، کارایی و دقت آن در مقابل مدل لاجیت بررسی شود. به منظور ارزیابی مشتریان حقیقی بانک از مدل امتیازدهی لاجیت و روش غیر پارامتریک CART استفاده شده و نتایج نشان می دهد که روش دوم از دقت بالاتری در پیش بینی مشتریان خوب و بد با یک دیگر برخوردار است. علاوه براین، ضمن این که مدل های ساخته شده برای نمونه های تصادفی با حجم کوچک به روش نمونه گیری بازگردان نیز مورد ارزیابی قرار گرفتتند که، بار دیگر نتایج حاصل از مشاهدات نمونه مورد مطالعه دقت در تشخیص نوع مشتری از نظر خوش حسابی تاییید گردید.