کاربرد تحلیل کلان داده در پیش بینی ریسک اعتباری مشتریان بانک ها مرور مفهومی و ارائه چارچوب بومی پیشنهادی برای نظام بانکی ایران

ریسک اعتباری همچنان یکی از مهم ترین چالش های نظام بانکی ایران است و سهم نسبتا بالای مطالبات غیرجاری در ترازنامه بسیاری از بانک ها، نشان دهنده ضعف در سازوکارهای ارزیابی و پایش ریسک مشتریان است. مطالعات داخلی حاکی از آن است که اتکای بیش از حد به قضاوت کارشناسی، نبود نظام امتیازدهی یکپارچه و استفاده محدود از داده های رفتاری و تراکنشی، از دلایل اصلی کیفیت نامطلوب پرتفوی تسهیلات به شمار می روند در سال های اخیر، تلاش هایی برای به کارگیری الگوریتم های داده کاوی و یادگیری ماشین در اعتبارسنجی مشتریان ایرانی انجام شده است. اما این تلاش ها عموما بر پایگاه های داده محدود و ساخت یافته متکی بوده و از ظرفیت کلان داده به طور کامل بهره برداری نکرده اند. در سطح بین المللی، ادبیات پژوهشی نشان می دهد که ترکیب کلان داده با روش های پیشرفته یادگیری ماشین و یادگیری عمیق، می تواند دقت پیش بینی نکول و زیان اعتباری را به طور معنی داری ارتقا دهد و در عین حال، امکان گسترش شمول مالی و طراحی محصولات اعتباری متناسب با ریسک مشتری را فراهم کند. این مطالعات بر نقش داده های متنوع از جمله تراکنش های لحظه ای، رفتار دیجیتال، داده های موبایل و شبکه های اجتماعی و به کارگیری الگوریتم هایی مانند جنگل تصادفی، XGBoost، شبکه های عصبی عمیق و مدل های گراف محور تاکید دارند. هدف این مقاله، ارائه یک مرور مفهومی جامع از کاربرد تحلیل کلان داده در پیش بینی ریسک اعتباری و طراحی یک چارچوب بومی پیشنهادی برای استقرار نظام های اعتبارسنجی مبتنی بر کلان داده در بانک های ایرانی است. در این راستا، ابتدا مفاهیم کلیدی ریسک اعتباری، کلان داده، یادگیری ماشین و داده های جایگزین تشریح می شود. سپس، جریان های اصلی پژوهش های بین المللی و مطالعات بومی مرتبط با ریسک اعتباری مرور و شکاف های موجود در ادبیات ایرانی شناسایی می گردد. در ادامه، با بهره گیری از چارچوب های مفهومی موجود در حوزه کلان داده در بانکداری و توسعه مدل های ریسک مبتنی بر هوش مصنوعی و کلان داده، یک چارچوب چهارلایه شامل «لایه داده»، «لایه تحلیل و مدل سازی»، «لایه تصمیم گیری» و «لایه حاکمیت و زیرساخت» برای نظام بانکی ایران پیشنهاد می شود. این چارچوب تلاش می کند ضمن بهره گیری از تجربیات موفق جهانی، با ویژگی های ساختاری، مقرراتی و فرهنگی شبکه بانکی ایران نیز همخوان باشد.

کلیدواژه ها:

Big Data: ، ریسک اعتباری ، کلان داده ، یادگیری ماشین ، امتیازدهی اعتباری ، نظام بانکی ایران