محسن پیرمحمدی - کارشناس ارشد فناوری اطلاعات گرایش مدیریت سیستم های اطلاعاتی

پیچیدگی محیطی، شدت رقابت، رواج تکنولوژی های نو و پیشرفته، توسعه فناوری اطلاعات و ارتباطات، و سمت گیری سازمان ها از دارایی های مشهود به نامشهود از عوامل عمده ای است که موجب شده سازمان ها و بانک ها در دوران حیات خود با ریسک های بسیار متعدد و حتی پیش بینی نشده مواجه شوند. یکی از مهمترین ریسک ها در بانک، مدیریت ریسک اعتباری می باشد. از این رو هدف از این مقاله بکارگیری تکنیک داده کاوی برای پیش بینی رفتار مشتریان بانک است که بتوان بر اساس شاخص ها و پارامترهای تاثیرگذار در انتخاب متقاضیان اعتبار، آن ها را به خوبی دسته بندی کرده و از احتمال عدم بازپرداخت تسهیلات اعطایی کاست. این تحقیق، تحقیقی کاربردی است که از روش درخت تصمیم گیری ژنتیک به تجزیه و تحلیل داده های جمع آوری شده، پرداخته است. در این تحقیق یک مدل مناسب اعتبارسنجی مشتریان بانک ها برای اعطای تسهیلات اعتباری متناسب با هر طبقه مبتنی بر الگوریتم ژنتیک ارایه می شود. الگوریتم های ژنتیک می توانند با انتخاب ویژگی های مناسب و ساخت درختان تصمیم گیری بهینه به اعتبارسنجی مشتریان کمک کنند. مدل طبقه بندی پیشنهادی مبتنی بر تکنیک های خوشه بندی، انتخاب ویژگی ها، درختان تصمیم گیری و الگوریتم ژنتیک است. این مدل به انتخاب و ترکیب بهترین درختان تصمیم گیری مبتنی بر معیارهای بهینگی و ساخت درخت تصمیم گیری نهایی برای اعتبارسنجی مشتریان می پردازد. نتایج نشان می دهد که دقت طبقه بندی مدل طبقه بندی پیشنهادی به طور تقریبی از تمام مدل های درخت تصمیم گیری مقایسه شده در این مقاله بالاتر است. همچنین تعداد برگ ها و اندازه درخت تصمیم گیری و در نتیجه پیچیدگی آن از همه کمتر است.

اعتبارسنجی، الگوریتم ژنتیک، انتخاب ویژگی ها، درختان تصمیم گیری، خوشه بندی