فهرست نشریات علمی دسترسی آزاد ایران

یکی ‌‌از‌ مهمترین‌ مسائلی‌ که مؤسسات‌‌ مالی و اعتباری با‌ آن مواجه‌ می‌باشند، ‌احتمال عدم ‌‌ایفای تعهدات از ‌سوی دریافت‌کنندگان اعتبارات می‌باشد. با پیش‌بینی ریسک، ضمن برآورد حق‌بیمه و وثیقه ‌مناسب، خسارات ناشی از نکول مشتری و هزینه‌ پیگیری وصول ‌مطالبات به طور معنی‌داری کاهش‌یافته و ضمن افزایش کارایی، زمینه رقابت‌پذیری موسسات‌اعتباری نیز فراهم می‌گردد. هدف از انجام این پژوهش، سنجش ریسک اعتباری مشتریان صندوق ضمانت صادرات ایران با رویکرد داده‌کاوی و با استفاده از روش‌های ماشین بردار‌ پشتیبان ‌(SVM[1]،‌KSVM[2])‌ و شبکه ‌‌عصبی با الگوریتم یادگیری [3]GMDH می‌باشد. یافته‌های‌ پژوهش حاکی از ‌آن است که در ارزیابی ریسک ‌اعتباری متقاضیان تسهیلات اعتباری، روش KSVM نسبت به سایر مدل‌های بررسی شده از قابلیت و دقت ‌بالاتری برخوردار می‌باشد‌. همچنین پنج متغیر سابقه‌شرکت (‌‌سابقه فعالیت شرکت از‌ زمان تاسیس‌)، مدت اعتبار (طول دوره اعتبارماخوذه)، میانگین صادرات (حجم فعالیت صادراتی شرکت طی‌ سال‌های متمادی)، نحوه ‌ایفای تعهدات و‌ گردش‌ حساب‌ بانکی به مانده تعهدات (درجه استحکام مالی مشتری) به ترتیب بیشترین تاثیر را در ارزیابی اعتبار ‌مشتریان دارا می‌باشند. [1]. Support Vector Machines   [2]. Kernel Support Vector Machines   [3]. Group method data handeling