مدیریت ریسک در بانک ها بااستفاده از سیستم رتبه بندی اعتباری مبتنی بر ماشین بردار پشتیبان SVM

در سال های اخیر، در راستای اعطای تسهیلات به متقاضیان، رقابت در بازار اعتباری مصرف کنند گان به شدت افزایش یافته است. با رشد سریع در صنعت اعتباری، مدل های اعتبار سنجی بطور گسترده ایبرایارزیابی پذیرش اعتباری به کار می روند. اعتبار سنجی مجموعه ای از مدل ها و تکنیک های تصمیم گیری است که به وام دهندگان در اعطای اعتبار از طریق ارزیابی ریسک اعطای تسهیلات به متقاضیان، کمک می کند و حوزه ی تحقیقاتی مهمی است که موسسات مالی را در توسعه ی استراتژی های وام دهی جهت بهینه سازی منافع شان توانمند می سازد.تسهیلات اعطایی سوخت شده(وصول نشدنی) یکی از مسائل رو به رشد است که از طریق استفاده از مدل های اعتباری دقیق تر می توان تا حدودی بر این مساله فائق شد. محققان طیف وسیعی از مدل های آماری سنتی و اخیرا ابزارهای داده کاوی ازجمله درخت تصمیم ، شبکه های عصبی، الگوریتم ژنتیک و... را جهت اعتبار سنجی به-کارمی برند. از میان این تکنیک ها، جدیدترین آن ها ماشین بردار پشتیبان است که از متدهای هوش مصنوعی بوده و دارای صحت و عملکرد بالاتری در مقایسه با روش های قبلی است. لذا در این تحقیق یک چارچوب اعتبار سنجی جدید با رویکرد داده کاوی مبتنی بر تکنیک ماشین بردار پشتیبان برای جهت مدیریت ریسک در بانک ها و موسسات مالی ارائه شده است.

کلیدواژه ها:

مدیریت ریسک اعتباری ، امتیاز دهی اعتباری ، ماشین بردار پشتیبان ، انتخاب ویژگی