غلامرضا صفارزاده - اعضای هیات علمی آموزشکده فنی و حرفه ای سما ، دانشگاه آزاد اسلامی واحد کرج ، کرج ، ایران
راحله یوسفی - اعضای هیات علمی آموزشکده فنی و حرفه ای سما ، دانشگاه آزاد اسلامی واحد کرج ، کرج ، ایران

این مقاله با هدف مهندسی مالی در اعطای وام به منظور مدیریت ریسک با استفاده از روش تحلیل پوششی داده ها در قالب شبکه عصبی در راستای برنامه ریزی مالی و اقتصادی به منظور توسعه پایدار صنعت بانکداری انجام گرفته است. اطلاعات مالی و غیر مالی نمونه تصادفی 288 شرکت، شامل 170 مشتریان خوش حساب و 46 مشتریان بدحساب و 72 مشتری به عنوان داده های شاهد در قالب 36 متغیر ورودی مورد بررسی قرار گرفتند. نتایج حاصل از برآورد داده های تحقیق حاکی از این است که مدل پیشنهادی تحقیق، 87,3 درصد P که دارای ضریب مثبت هستند، باعث افزایش مشتریان خوش حساب را درست پیش بینی نموده است و تنها 7 شرکت یعنی 12,7 درصد مشاهدات را نادرست پیش بینی نموده است. به عبارت دیگر درجه تشخیص مدل براساس داده های شاهد 87,3 درصد و ریسک تجاری 12,7 درصد بوده است. همچنین حساسیت مدل در پیش بینی مشتریان بدحساب 76.5 درصد بوده است. بطوریکه از 17 مشتری بدحساب، وضعیت 13 مشتری به درستی برآورد شده است. به عبارت دیگر خطای ریسک اعتباری 23,5 درصد می باشد. در مجموع نتایج حاصل از مدل تحلیل پوششی داده ها و شبکه عص بی در برآورد ریس ک اعتباری و رتبه بندی اعتباری برآورد شده، 84,7 درصد مشاهدات را به درستی پیش بینی نمود. این میزان برآورد حاکی از آنست که مدل شبکه عصبی در پیش بینی ریسک اعتباری مشتریان حقوقی و رتبه بندی اعتباری از کارایی بیشت ری برخوردار می باشد. بطوریکه در صورت استفاده از این مدل می توان حدود 84,7 درصد تسهیلات را به مشتریان خوش حساب تخصیص داد

ریسک اعتباری ، مدیریت ریسک اعتباری ، کارایی ، رتبه بندی اعتباری ، تحلیل پوششی داده ها ، شبکه عصبی