شناسایی عوامل تاثیرگذار بر ریسک در سیستم بانکداری با استفاده از تکنیک داده کاوی مطالعه موردی بانک رفاه کارگران

شناسایی مشتریان پر مخاطره همواره یکی از دغدغه های بانک ها و موسسات مالی است. مدل های و روش های موثری هستند که برای شناسایی عوامل تاثیرگذار بر ریسک به کار برده می شوند. تعیین میزان ریسک مشتریان با استفاده از این روش ها به موسسات مالی و بانکی کمک میکند تا از بروز ضرر و زیان های مالی ناشی از عدم بازپرداخت اقساط تسهیلات به وسیله مشتریان با ریسک بال، جلوگیری به عمل آورند. این مفاله تلش داشته است تا با استفاده از سه روش تعیین عوامل تاثیرگذار بر ریسک به عنوان روش های داده کاوی به بررسی پارامترهای اولویت در ارایه تسهیلات به مشتریان و مدیریت ریسک اعتباری بپردازد و سپس بر اساس نتایج بدست آمده اقدام به مقایسه این مدل ها بر اساس میزان خطای پیش بینی آنها اقدام کرده است. سه روش داده کاوی استفاده شده در این تحقیق شامل شبکه عصبی مصنوعی، درخت تصمیم گیری و رگرسیون لجستیک است. نرخ طبقه نادرست هر یک از این سه روش نشان داد که، درصد خطای طبقه بندی نادرست مشتریان در روش رگرسیون لجستیک کمتر از درخت تصمیمگیری و شبکه عصبی مصنوعی است. نرخ طبقه بندی نادرست برای سه مدل شبکه عصبی، درخت تصمیم گیری و رگرسیون لجستیک به ترتیب برابر 26.99 درصد، 32.52 درصد و 25.77 درصد است.

کلیدواژه ها:

داده کاوی ، شبکه عصبی مصنوعی ، رگرسیون لجستیک ، درخت تصمیم گیری ، ریسک اعتباری