نظارت کامل بر تسهیلات خرده بانکی و تاثیرآن بررتبه بندی اعتباری مشتریان حقیقی

پژوهش حاضر با توجه به ریسک اعتباری مشتریان در موسسه اعتباری نوراستان گیلان مورد بررسی و شناسایی قرارمی گیرد. با بررسی دوازده شعبه از شعبات استان گیلان و عوامل اثر گذاربرریسک اعتباری مشتریان حقیقی درشعب بانک (موسسه ) شناسایی می کند. با بررسی یک نمونه ۳۵۵تایی از مشتریان حقیقی ۱۵ متغیر شامل نرخ بهره، میزان وام، مهلت بازیرداخت ، درآمد، سن ، تعدادچک برگشتی ، سابقه بدهی ، مدت افتتاح حساب، نوع وثیقه ، تحصیلات، جنسیت ، اشتغال همسر، تاهل ، وضیعت ملکی ، درصد وام برای طبقه بندی مشتریان به خوش حساب وبدحساب استخراج شد براساس مدل ترکیبی رگرسیون لجستیک ، شبکه های عصبی مصنوعی و رگرسیون سمبلیک و با هدف نظارت کامل بر تسهیلات خرد، عوامل اثرگذر بر ریسک اعتباری مشتریان حقیقی را در شعب استان شناسایی می کند. با استفاده از روش انتخاب رو به جلو والد، ۵ متغیر تاثیرگذار بر ریسک اعتباری انتخاب شد. آموزش شبکه های عصبی نیز با استفاده از ۳ نرون در لایه پنهان انجام گرفت . انتخاب نقطه برش بهینه ، بر اساس منحنی مشخصه عملکرد سیستم انجام شد. نت ایج خروجی شبکه عصبی مصنوعی روی دادههای آزمایش نشان داد که دقت مدل ترکیبی رگرسیون لجستیک شبکه های عصبی مصنوعی ، در طبقه بندی مشتریان خوش حساب برابر ۷۹.۰ و در طبقه بندی مشتریان بدحساب برابر ۷۳.۰ است که از رگرسیون لجستیک و مدل ترکیبی رگرسیون لجستیک رگرسیون سمبلیک بهتر است . مقررات کمیته بال افززون تقاضا برای وام ورقابت شدید در بازارهای مالی باعث افزایش توجهات به موضوع حساس نکول وام ها برای ان دسته از موسساتی است که به مشتریانی که احتمال قصور آنها بیشتر است وام اعطا میکنند .

کلیدواژه ها:

نظارت کامل بانکی ، بهداشت نظارت اعتباری ، ریسک اعتباری ، رگرسیون لجستیک ، رگرسیون سمبلیک