مقایسه قدرت کارایی الگوریتم های فرابتکاری (شبکه عصبی مصنوعی و نزدیکترین همسایه) و مدل اقتصادسنجی (رگرسیون لجستیک) در پیش بینی رتبه اعتباری مشتریان حقیقی بانکها

هدف از این مقاله اندازه گیری ریسک اعتباری مشتریان حقیقی بانک با استفاده از روش شبکه عصبی و نزدیکترین همسایه در مقابل روش پارامتریک آماری رگرسیون لجستیک و ارائه راهکارهای صحیح جهت مقابله با افزایش مطالبات معوق می باشد. بدین منظور از 1000 پرونده اعتباری مشتریان حقیقی که طی سالهای 1383- 1390 تسهیلات دریافت نمودهاند، با نمونه گیری طبقه بندیتصادفی ساده و روش انتساب مناسب جهت جمع آوری نمونه آوری استفاده شد. نتایج اینمطالعه نشان می دهد که در بین متغیرهای مرتبط با ویژگی های های شخصیتی متقاضی، متغیرهایی نظیر سن، هدف از تسهیلات املاک و مستغلات و حساب جاری بیشترین اهمیت را در رتبه بندی مشتریان به پنج طبقه مشتریان خوش حساب خوب نسبتا خوب حساب نسبتا خوب متوسط، نسبتا بد حساب بد حساب خیلی بد از هم داشته اثر معناداری آن بر متغیر وابسته (رتبه بندی پنج طبقه مشتریان) بوسیله آزمون های اماری تایید شده است.

کلیدواژه ها:

رتبه بندی اعتباری ، ریسک اعتباری ، الگوریتم های فراابتکاری ، شبکه عصبی مصنوعی ، مدل نزدیکترین همسایه رگرسیون لجستیک