فهرست نشریات علمی دسترسی آزاد ایران

در سال‌های اخیر موضوع رتبه‌بندی اعتباری و شناسایی مشتریان خوش‌حساب و بدحساب، بسیار مورد توجه بانک‌ها قرار گرفته است. اعطای تسهیلات به مشتریان خوش‌حساب و اجتناب از اعطای تسهیلات به مشتریان بدحساب که منجر به کاهش معوقات بانکی می‌شود، همواره یکی از دغدغه‌های مهم مدیران بانک‌ها است که این مهم به کمک استقرار نظام رتبه‌بندی اعتباری کارآمد و خوب دور از دسترس نیست. در این مقاله، مدل گروهی جدیدی بر مبنای الگوریتم ماشین بردار پشتیبان برای رتبه‌بندی اعتباری مشتریان بانک ارائه می‌شود. ابتدا به روش بوت‌استرپ، مجموعه داده‌ها به چندین زیرمجموعه تقسیم می‌شود. سپس الگوریتم ماشین بردار پشتیبان بر روی هر زیرمجموعه اعمال و چندین مدل‌ تشکیل می‌شود. در انتها بین مدل‌ها رای‌گیری انجام و مدل نهایی به دست می‌آید. به منظور نمایش دقت مدل گروهی، داده‌های 2218 مشتری بانک پاسارگاد شامل 14 ویژگی توضیح‌دهنده به کمک روش گروهی پیشنهادی مورد ارزیابی قرار گرفتند. بر اساس معیارهای مختلف، نتایج بدست آمده بر روی داده‌های بانک پاسارگاد، برتری روش ماشین بردار پشتیبان گروهی بر روش معمولی ماشین بردار پشتیبان و روش جنگل تصادفی تایید می‌شود. خطای نوع دوم یعنی خطای شناسایی مشتریان بدحساب به عنوان خوش‌حساب در روش گروهی پیشنهادی با هسته خطی 17 درصد کمتر از روش معمولی ماشین بردار پشتیبان و 18 درصد کمتر از روش جنگل تصادفی است.