طراحی مدل پیش بینی مطالبات معوق در نظام بانکی: ایران تلفیق مرور سیستماتیک مدل های جهانی و شبیه سازی داده های بومی

زمینه و هدف: مطالبات معوق به عنوان یکی از اصلی ترین چالش های نظام بانکی ایران محسوب می شوند. با توجه به محدودیت دسترسی به داده های داخلی این پژوهش با هدف طراحی مدل پیش بینی مطالبات معوق با ترکیب روش مرور سیستماتیک و شبیه سازی داده ای انجام شده است. روش مطالعه حاضر در سه فاز مجزا اجرا شد. در فاز اول مرور سیستماتیک ۱۲۳ مطالعه بین المللی با پیروی از دستورالعمل PRISMA انجام شد. در فاز دوم با طراحی یک مدل شبیه سازی مبتنی بر شرایط واقعی اقتصاد ایران مجموعه داده ای شامل ۵۰،۰۰۰ مشاهده تولید گردید. در فاز سوم مدل XGBoost به عنوان الگوریتم نهایی پیاده سازی و ارزیابی شد. یافته ها نتایج مرور سیستماتیک نشان داد مدل های Ensemble با میانگین دقت ۹۱٫۸ موثرترین رویکرد هستند. مدل XGBoost پیشنهادی با دقت ۹۱٫۸۷٪، حساسیت ۸۷٫۶۵، ویژگی ۹۳٫۴۲ و شاخص AUC معادل ۰٫۹۴۹۲ عملکرد مطلوبی در داده های شبیه سازی شده نشان داد. تحلیل اهمیت متغیرها نشان داد که نسبت بدهی به درآمد (۲۳٫۵٪)، شاخص تحریم (۱۸٫۷٪) و نرخ تورم (۱۶٫۲٪) بیشترین سهم را در پیش بینی دارند. نتیجه گیری ترکیب مرور سیستماتیک و شبیه سازی داده ای می تواند به عنوان راهکاری موثر برای توسعه مدل های پیش بینی در شرایط محدودیت داده مورد استفاده قرار گیرد. مدل پیشنهادی با در نظرگیری ویژگی های خاص اقتصاد ایران، از قابلیت بالایی برای پیاده سازی در نظام بانکی کشور برخوردار است.

کلیدواژه ها:

مطالبات معوق ، مرور سیستماتیک ، شبیه سازی داده ها ، XGBoost ، بانکداری ایران ، هوش مصنوعی