[صفحه اصلی ]   [Archive] [ English ]  
:: سال 11، شماره 38 - ( 12-1397 ) ::
سال 11 شماره 38 صفحات 654-625 برگشت به فهرست نسخه ها
پیش‌بینی ریسک تسهیلات پرداختی با استفاده از ابزارهای داده‌کاوی
مسلم نیلچی1، خشایار مقدم2، علیرضا ناصر صدرآبادی1، علی فرهادیان3
1- دانشگاه یزد
2- بانک توسعه تعاون
3- دانشگاه کاشان
چکیده:   (113 مشاهده)
 یکی از شایع‌ترین علل که در ریسک اعتباری باید مورد توجه قرار ‌گیرد عدم ایفای تعهدات مشتریان است. با پیش‌بینی رفتار اعتباری متقاضیان تسهیلات، می‌توان نرخ رشد مطالبات غیرجاری را کاهش داد. به همین منظور، این پژوهش در خصوص صاحبان کسب‌وکار متقاضی تسهیلات در یکی از بانک‌های دولتی ایران انجام گرفته است. در پژوهش حاضر، پس از گزینش شاخص‌های اساسی شکل‌دهندهٔ رفتار مشتریان، به کمک روش نمونه‌گیری طبقه‌بندی‌شده، ۵۲۱ نمونهٔ تصادفی از بین پرونده‌‌های تسهیلاتی مشتریان صاحبان کسب‌و‌کار متقاضی تسهیلات انتخاب شد؛ سپس فرایند آماده‌سازی داده‌ها با تلخیص و یکپارچه‌سازی و درون‌یابی برخی داده‌های مفقود صورت پذیرفت؛ در گام بعدی، نهایتاً ۸۵ شاخص جهت الگوسازی انتخاب و به‌منظور سنجش درجهٔ اهمیت عوامل مؤثر در رفتار اعتباری متقاضیان، از الگوریتم‌های درخت تصمیم، شبکهٔ عصبی، و ماشین بردار پشتیبان بهره گرفته شد که الگوریتم درخت تصمیم با میانگین قدر مطلق خطای ۱۴ درصد در بهترین حالت نرخ نکول را پیش‌بینی کرد. بر اساس داده‌های موجود و مطابق با نتایج به‌دست‌آمده، الگوریتم درخت تصمیم چاید و استفاده از شاخص‌های مدت قرارداد، مبلغ امهال، تعداد اقساط، سود عملیاتی به دارایی، نوع عقد، میانگین قرض‌الحسنه 3 ماه قبل و مبلغ وام می‌تواند پیش از اعطای تسهیلات، در تصمیم‌گیری و پیش‌بینی رفتار اعتباری مشتری نقش حائز اهمیتی داشته باشد.
واژه‌های کلیدی: ریسک اعتباری، مطالبات غیرجاری، درخت تصمیم، شبکه عصبی، ماشین بردار پشتیبان.
متن کامل [PDF 1060 kb]   (40 دریافت)    
نوع مطالعه: مطالعه موردی | موضوع مقاله: مؤسسات و خدمات مالی (G2)
دریافت: ۱۳۹۷/۵/۱۰ | پذیرش: ۱۳۹۷/۹/۷ | انتشار: ۱۳۹۸/۶/۲۷
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print



سال 11، شماره 38 - ( 12-1397 ) برگشت به فهرست نسخه ها
فصلنامه پژوهش‌های پولی-بانکی Journal of Monetary & Banking Research
Persian site map - English site map - Created in 0.06 seconds with 31 queries by YEKTAWEB 3974