پیش بینی میزان تغییر اعتبار مشتریان بانک از روی تراکنش های کارت اعتباری آنها به کمک روشهای داده کاوی

امروزه بانکها برای شناخت مشتریان ارضای نیازمندیها و ارائه خدمات مالی مناسب نیازمند شناسایی دقیق ویژگی های اعتباری آنها هستند. یکی از خدمات مالی در بانک اعطای تسهیلات مالی از جمله وام به متقاضیان اعتباری است. بانک ها همچون کسب و کارهای دیگر در طول حیات خود با ریسک هایی مواجه می شوند. تحقیقات زیادی بر روی مدل های اعتبار سنجی در بانک ها صورت گرفته است. در ابتدا مدل های اعتبار سنجی به صورت قضاوتی بودند. سپس روش های پارامتریک در اعتبار سنجی مطرح شدند. در این تحقیق یک مدل تطبیقی جدید به منظور رتبه بندی مشتریان بانک مبتنی بر شبکه عصبی فازی در داده کاوی ارائه شد. در مدل پیشنهادی از مدل سوگنو مبتنی بر منطق فازی نوع دوم برای سیستم عصبی فازی استفاده شد. استفاده از الگوریتم دسته بندی تفاضلی موجب تعیین تعداد قوانین فازی مناسب برای مدل پیشنهادی می شود. همچنین الگوریتم ژنتیک به منظور تعیین اندازه بهینه برای شعاع دسته های فازی مورد استفاده قرار گرفته است. شعاع دسته ها یکی از پارامترهای اساسی در سیستم های مبتنی بر منطق فازی در داده کاوی است که نیازمند تعیین مقدار صحیح با دقت بالا می باشد، استفاده از الگوریتم ژنتیک این دقت را فراهم نموده و می تواند با تنظیم صحیح شعاع دسته ها عملکرد سیستم یادگیر را بهبود بخشد. مدل پیشنهادی از جنبه های مورد ارزیابی قرار گرفته و دقت آن در رتبه بندی مشتریان بانک آزمایش شد. نتایج آزمایشات نشان داد که مدل پیشنهادی می تواند رتبه بندی مشتریان بانک را با میانگین دقت ۸۹ انجام دهد. مقایسه نتایج آمده از آزمایش روش پیشنهادی با الگوریتم های مشابه نشان می دهد که مدل ارائه شده دارای دقت و سرعت بالاتری در رتبه بندی مشتریان بانک ها می باشد.

کلیدواژه ها:

اعتبار ، مشتریان بانک ، تراکنش ، کارت اعتباری ، داده کاوی