مقایسه کارایی مدل های کلاسیک و شبکه های عصبی دربرآورد ریسک و ظرفیت اعتباری مشتریان شواهدی از بانک تجارت

یکی از اهداف مهمی که بانک ها و موسسات مالی جهت بالا بردن کارایی پس اندازهای جمع آوری شده ازاشخاص حقیقی و حقوقی دنبال می کنند، این است که با شناسایی مشتریان اعتباری خود تسهیلات اعتباریرا به افراد یا ساز مان هایی تخصیص دهند که احتمال نکول کمتری داشته باشند . لیکن برای این کار از روش های مختلفی هم چون روش معمول قضاوت شخصی، تحلیل ممیزی و ... استفاده می کنند. با این وجوداغلب این روش ها، روی ریسک اعتباری مشتریان متمرکز شده اند، در حالی که ظرفیت اعتباری مشتریان می تواند در ارایه تسهیلات نقش مهمی ایفاء نماید.در این مقاله مدل شبکه های عصبی برای محاسبه هر دو عامل ریسک و ظرفیت اعتباری به طور همزمانمورد توجه قرار گرفته است. البته مدل های رگرسیون خطی و لجستیک نیز برای محاسبه ریسک و ظرفیتاعتباری به کار گرفته شده است تا با مدل شبکه های عصبی مقایسه گرددنتایج به دست آمده دلالت بر کارایی بالای شبکه های عصبی نسبت به رگرسیون خطی در برآورد ظرفیت اعتباری مشتریان و کارایی یکسان مدل شبکه های عصبی و رگرسیون لجستیک در برآورد ریسک اعتباری دارد

کلیدواژه ها:

ریسک اعتباری ، ظرفیت اعتباری ، شبکه های عصبی ، رگرسیون لجستیک ، رگرسیون خطی ، بانک تجارت ، ایران