فهرست نشریات علمی دسترسی آزاد ایران

در این مقاله، روشی جدید برای اعتبارسنجی و تعیین پارامترهای بهینه تسهیلات بانک‌ها توسط رویکرد شبیه‌سازی-بهینه‌یابی ارائه شده‌است. روش پیشنهادی شامل سه مرحله آماده‌سازی داده‌ها، مدل اعتبارسنجی و مدل شبیه‌سازی-بهینه‌یابی می‌باشد. در آماده‌سازی داده‌ها، اطلاعات تسهیلات بانکی و صورت‌های مالی شرکت‌ها گردآوری شده و ویژگی‌های مورد نیاز محاسبه می‌شوند. انتخاب ویژگی‌های مهم توسط الگوریتم حداقل افزونگی حداکثر ارتباط (MRMR) انجام می‌گیرد. سپس برای حل مسئله اعتبارسنجی، از پنج روش کلاسه‌بندی شامل رگرسیون لجستیک (LR)، ماشین بردار پشتیبان (SVM)، شبکه عصبی مصنوعی (ANN)، تقویت گرادیان شدید (XGB) و جنگل تصادفی (RF) استفاده می‌شود. عملکرد این مدل‌ها توسط معیارهایی چون دقت، نمره F1 و سطح زیر منحنی (AUC) ارزیابی شده و بهترین مدل برای مرحله بعد انتخاب می‌شود. در مرحله شبیه‌سازی-بهینه‌یابی، مشخصات بهینه تسهیلات اعطایی به مشتریان با هدف حداقل‌سازی نرخ نکول تسهیلات انجام می‌گیرد. برای این منظور، اندازه تسهیلات، نرخ بهره و مدت زمان بازپرداخت تسهیلات به عنوان متغیرهای مسئله بهینه‌سازی در نظر گرفته می‌شوند. حل مسئله بهینه‌سازی توسط الگوریتم ممتیک (MA) در چهار حالت صورت می‌گیرد. در الگوریتم ممتیک، برای تخمین احتمال نکول مشتریان، از مدل اعتبارسنجی از پیش آموزش دیده استفاده می‌شود. مطالعه موردی بر روی داده‌های 1000 مشتری حقوقی یک بانک تجاری در ایران صورت گرفته است. از بین 30 ویژگی تعریف شده، 11 ویژگی برای استفاده در اعتبارسنجی انتخاب شدند. روش جنگل تصادفی (RF) بهترین عملکرد را در بین مدل‌های اعتبارسنجی داشته است. رویکرد شبیه‌سازی-بهینه‌یابی موفق شده با کاستن از اندازه تسهیلات و نرخ‌بهره و افزایش مدت تسهیلات، نرخ نکول را از 38% به 20% کاهش دهد.