اعتبارسنجی مشتریان بانک با استفاده از شبکه عصبی و الگوریتمهای ابتکاری

یکی از مهمترین ابزارها برای کنترل و مدیریت ریسک در بانک ها,سیستم اعتبار سنجی می باشد.مساله اعتبارسنجی,طبقه بندی مشتریان، به دو گروه خوش حساب و بدحساب است. این مقاله راهکاری مبتنی بر مدل های ترکیبی شبکه عصبی و الگوریتمهای تکاملی به منظور بهبود صحت طبقه بندی مشتریان بانک ارائه کرده است. در این راستا دو بخش عمده یعنی انتخاب ویژگی و بهبود آموزش شبکه هدف قرار گرفتند. در بحث انتخاب ویژگی علاوه بر الگوریتم ژنتیک که غالبا در حوزه مدیریت ریسک استفاده شده است، الگوریتم ازدحام ذرات نیز مورد استفاده قرار گرفت. همچنین به منظور آموزش شبکه عصبی,علاوه بر دو الگوریتم فوق,الگوریتم زنبور عسل بکار گرفته شد.راهکار فوق بر روی داده های مشتریان پست بانک شهر اراک با یک جمعیت ٨٢٨ تایی اعمال و نتایج مورد ارزیابی و مقایسه قرار گرفت. نتایج نشان داد که در انتخاب ویژگی,الگوریتم ازدحام ذرات عملکرد بهتری برای تامین هر دو هدف، تعداد ویژگی کمتر و خطای کمتر,داشته است.در آموزش شبکه نیز الگوریتم زنبور عسل نتایج مطلوبتری را فراهم کرد. بدین ترتیب به سادگی و با استفاده از الگوریتمهای ابتکاری نسبت به بهبود فرآیند اعتبارسنجی در نمونه مطالعاتی(داده های واقعی)قدم برداشته شد.

کلیدواژه ها:

الگوریتم ژنتیک ، الگوریتم ازدحام ذرات ، الگوریتم زنبور عسل ، انتخاب ویژگی ها شبکه عصبی