پیش بینی مطالبات معوق با استفاده از شبکه های عصبی مصنوعی

در ادبیات مدیریت نوین هریک از وظایف سنتی مدیران مانند برنامه ریزی، سازماندهی، کنترل و غیرجلوه هایی از نوع تصمیم گیری هستند. روش های سنتی تصمیم گیری در مورد اعطای اعتبار به متقاضیان تسهیلات همانند آنچه در کشور ما انجام می گیرد بر پایه قضاوت شخصی در مورد خطر عدم بازپرداخت استوار است با این وجود فشارهای اقتصادی ناشی از افزایش تقاضا برای شکل های مختلف اعتبار، در کنار رقابت های تجاری گسترده و تلاش موسسات مالی و بانک ها برای پایین آوردن درصد عدم بازپرداخت تسهیلات اعطایی، موجب افزایش به کارگیری روش های علمی در زمینه اعطای تسهیلات شده است. روش های آماری مختلفی از جمله رگرسیون در زمینه پیش بینی مطالبات معوق مورد استفاده قرار گرفته اند. در این میان شبکه های عصبی مصنوعی به دلیل انعطاف پذیری بالا، عملکرد غیرخطی، سرعت عمل و قدرت تعمیم، بیشتر مورد توجه قرار گرفته اند. از جمله مزایای این روش پیش بینی می توان به صرفه جویی در زمان و هزینه، حذف قضاوت های شخصی و افزایش دقت در ارزیابی متقاضیان تسهیلات اشاره نمود. در این تحقیق ابتدا با استفاده از روش دلفی ده متغیر مهم و موثر در ایجاد مطالبات معوق از دیدگاه خبرگان بانک که در زمان اعطای تسهیلات بایستی به آنها توجه کرد را استخراج نموده و با استفاده از شبکه های عصبی مصنوعی در زمان اعطای تسهیلات پیش بینی می نماییم که تسهیلات اعطایی به مطالبات معوق تبدیل می شوند یا خیر؟ و در ادامه خواهیم دید که پیش بینی های انجام شده با استفاده از مدل شبکه عصبی ساخته شده تا 86% قابل اتکا هستند.

کلیدواژه ها:

شبکه های عصبی مصنوعی ، مطالبات معوق ، اهلیت و ظرفیت ، تسهیلات تکلیفی ، استعلام های سه گانه ، عقود مشارکتی و مبادله ای ، وقایق