نویسندگان
1 مربی دانشگاه آزاد اسلامی ماهشهر
2 دانشیار گروه آمار دانشگاه شهید چمران اهواز
3 استادیار گروه کامپیوتر دانشگاه شهید چمران اهواز
4 استادیار گروه مدیریت دانشگاه شهید چمران اهواز
چکیده
روشهای سنتی تصمیم گیری در مورد اعطای اعتبار به متقاضیان وام، همانند آنچه که اکنون در کشور ما انجام می‌گیرد، بر پایه قضاوت شخصی در مورد خطر عدم باز پرداخت استوار است. با این وجود، فشارهای اقتصادی ناشی از افزایش تقاضا برای شکل‌های مختلف اعتبار، در کنار رقابت‌های تجاری گسترده و تلاش موسسات مالی و بانک‌ها برای پایین آوردن در صد عدم باز پرداخت، موجب افزایش بهکارگیری روشهای آماری در زمینة اعطای اعتبار شده است. رتبه‌بندی اعتباری به منظور پیش‌بینی احتمال کوتاهی در بازپرداخت و یا عدم باز پرداخت و یا معادل آن برای طبقه‌بندی متقاضیان اعتبار به دو گروه ریسک خوب و ریسک بد مورد استفاده قرار می‌گیرد. از جمله مزایای این روش می‌توان به صرفه جویی در زمان، صرفه جویی در هزینه، حذف قضاوت‌های شخصی و افزایش دقت در ارزیابی متقاضیان وام اشاره کرد. روشهای آماری مختلفی از جمله آنالیز ممیزی، رگرسیون لجستیک، روشهای هموارسازی نا پارامتری وشبکه های عصبی در زمینه رتبه‌بندی اعتباری مورد استفاده قرار گرفتهاند. در این میان، "شبکههای عصبی" به دلیل انعطاف پذیری بالاتر، در سال‌های اخیر بیشتر مورد توجه قرار گرفتهاند. در این مقاله، یک مدل شبکه عصبی برای طبقه‌بندی متقاضیان دریافت وام فروش اقساطی ارائه و سپس عملکرد این مدل را با دو مدل آماری آنالیز ممیزی و رگرسیون لجستیک مقایسه میکنیم. نتایج حاصل از این مقایسه نشان می دهد که مدل شبکه عصبی در مقایسه با سایر مدلهای مورد مطالعه، از کارایی و دقت بالاتری برخوردار است.
کلیدواژه‌ها
)