مقاله پژوهشی: ارائه مدل ترکیبی الگوریتم مورچگان باینری و ماشین بردار پشتیبان (‏BACO-SVM‏) برای ‏انتخاب ویژگی و طبقه‌بندی مشتریان بانکی به همراه مطالعه موردی

  • سال انتشار: 1399
  • محل انتشار: فصلنامه راهبرد مدیریت مالی، دوره: 8، شماره: 2
  • کد COI اختصاصی: JR_JFMZ-8-2_006
  • زبان مقاله: فارسی
  • تعداد مشاهده: 692
دانلود فایل این مقاله

نویسندگان

علی حسین زاده کاشان

گروه مهندسی مالی، دانشکده مهندسی صنایع و سیستمها دانشگاه تربیت مدرس

فاطمه گروسی

دانشکده مهندسی صنایع و سیستم ها دانشگاه تربیت مدرس، تهران، ایران

چکیده

یکی از مهم‌ترین مسائلی که همواره بانک‌ها و موسسات مالی با آن مواجه هستند، مسئله ریسک اعتباری می‌باشد. رقم ‏قابل توجه مطالبات معوق بانک‌ها در سراسر جهان نشان دهنده اهمیت این موضوع و لزوم توجه به آن می‌باشد. از این ‏رو تاکنون تلاش‌های بسیاری به منظور ارائه مدلی کارا جهت ارزیابی و طبقه‌بندی هر چه دقیق‌تر متقاضیان تسهیلات ‏اعتباری صورت گرفته است. در‎ ‎این‎ ‎راستا،‎ ‎پژوهش‎ ‎حاضر‎ ‎سعی‎ ‎در‎ ‎ارائه‎ ‎رویکردی‎ ‎نو‎ ‎برای‎ ‎ارزیابی‎ ‎ریسک‎ ‎اعتباری‎ ‎مشتریان‎ ‎بانکی‎ ‎دارد.‏‎ ‎روش‎ ‎ماشین بردار پشتیبان (‏SVM‏)‏‎ ‎به‎ ‎عنوان‎ ‎طبقه‌بندی کننده‌ی‎ ‎اصلی‎ ‎با‎ ‎یک‎ ‎روش‎ ‎انتخاب‎ ‎ویژگی‎ ‎به‎ ‎نام‎ ‎الگوریتم مورچگان باینری (‏BACO-SVM‏)‏‎ ‎ترکیب‎ ‎می‌گردد.‏‎ ‎به‎ ‎منظور‎ ‎نشان‎ ‎دادن‎ ‎اثر‎ ‎بخشی‎ ‎روش‎ ‎پیشنهادی از‎ ‎داده‌های‎ ‎مربوط به ۸۵ شرکت از تسهیلات گیرندگان حقوقی یک بانک ایرانی در یک بازه‌ی ۵ ساله ‏‏(۱۳۸۹-۱۳۹۳) به همراه ۱۶ ویژگی مربوط به هر یک از آن‌ها استفاده نموده‌ایم. نتایج‎ ‎روش ‏BACO-SVM‏ با‎ ‎روش ‏PSO-SVM، ‏GA-SVM‏ و روش ‏SVM‏ به تنهایی مقایسه گردیده است. یافته‌های پژوهش دلالت بر آن ‏داشته که در ارزیابی ریسک اعتباری، مدل ‏BACO-SVM‏ نسبت به روش‌های دیگر از عملکرد خوبی برخوردار است. ‏در نتیجه با استفاده از روش ‏BACO-SVM‏ به طبقه‌بندی مشتریان به دو گروه مشتریان خوش‌حساب و بدحساب ‏می‌پردازیم. و در نهایت جهت افزایش انعطاف‌پذیری در تصمیم‌گیری، مشتریان خوش‌حساب را با استفاده از روش ‏VIKOR‏ رتبه‌بندی می‌کنیم. این رتبه‌بندی منجر به آن می‌شود که قضاوت دقیق‌تری درباره‌ی وضعیت ریسک ‏اعتباری متقاضیان خوش‌حساب صورت گیرد. ‏

کلیدواژه ها

ریسک اعتباری, رتبه بندی اعتباری, ماشین بردار پشتیبان, انتخاب ویژگی, الگوریتم بهینه‌ سازی مورچگان باینری

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.