سیدفرید موسوی - دانشکدهی مدیریت دانشگاه خوارزمی، تهران
نوید اسکندری - دانشکدهی مدیریت دانشگاه خوارزمی، تهران
سیدامیررضا ابطحی - دانشکدهی مدیریت دانشگاه خوارزمی، تهران
آرزو گازری نیشابوری - دانشکدهی مهندسی صنایع دانشگاه آزاد اسلامی واحد تهران جنوب، تهران

بهترین راه برای مدیریت ریسک عدم بازپرداخت تسهیلات، اعتبارسنجی دقیق و رفتارسنجی مشتریان طی بازپرداخت است. هدف از انجام این پژوهش ارائه مدلی به منظور اعتبارسنجی مشتریان حقوقی یک بانک تجاری با استفاده از الگوریتم های یادگیری ماشین و تحلیل پوششی داده ها می باشد. در پژوهش حاضر ویژگی های مهم مشتریان حقوقی از میان ۴۷ شاخص کمی و کیفی از طریق مطالعه پیشینه و نظرات خبرگان صنعت شناسایی و انتخاب شدند. سپس از طریق الگوریتم های یادگیری ماشین مانند جنگل تصادفی، درخت تصمیم، نایو بیز و ماشین بردار پشتیبان، داده های بدست آمده از بانک تجاری اعتبارسنجی شد. به منظور دسته بندی مشتریان از روش تحلیل پوششی داده ها استفاده و در آن مشتریان از نظر کارایی اعتباری به ۸ گروه شامل ۴ گروه مشتریان خوش حساب و ۴ گروه مشتریان بدحساب تقسیم شدند. یافته ها نشان داد که ترکیب الگوریتم جنگل تصادفی و مربع کای توانست با دقت ۹/۹۷ درصدی بالاترین دقت را داشته باشد.

اعتبارسنجی مشتریان حقوقی، تسهیلات بانکی، سرمایه در گردش، یادگیری ماشین، تحلیل پوشش داده ها