فهرست نشریات علمی دسترسی آزاد ایران

بانک ها می توانند با طراحی یک سیستم کارآمد مدیریت وام، کارایی را افزایش داده و احتمال عدم برگشت اصل و فرع وام کاهش دهند. . در این مقاله کارآیی مدل­های رگرسیون لجستیک، شبکه عصبی مصنوعی، به منظور پیش بینی ریسک اعتباری مشتریان حقیقی یا به عبارتی متقاضیان وام­های خرد که گروه زیادی از مشتریان نظام بانکی کشور را شامل می­شوند، مورد بررسی قرار گرفت. باتوجه به نامتعادل بودن تعداد داده­ها حدآستانه بهینه با بکارگیری دو منحنی درجه حساسیت و درجه تشخیص محاسبه شد و از این روش میزان ریسک اعتباری هریک از مدل­ها استخراج شد. در رگرسیون لجستیک برای برآورد ضرایب با توجه به تعداد اندک مشتریان بد­حساب بجای روش حداکثر درستنمایی از روش حداکثر درستنمایی تاواندیده استفاده شد. در نهایت میزان صحت و دقت هر مدل با معیارهای متعدد بررسی شد. با استفاده از منحنی راک به بررسی قدرت تفکیک کنندگی مدلها پرداخته که در اینجا مدل شبکه عصبی بهترین قدرت تفکیک کنندگی را دارا بود. سپس با مقایسه خطاهای MSE ، RMSE و MAE کارایی سنجش روش­ها مورد مقایسه قرار گرفت و عملکرد لجستیک MPLE و شبکه عصبی تقریبا با یکدیگر یکسان است. و در نهایت با توجه به هدف بانک در سه سناریو حداقل ریسک اعتباری، تشخیص مشتریان خوش حساب و تفکیک مشتریان به ترتیب شبکه عصبی، لجستیک MPLE و در سناریوی سوم شبکه عصبی و لجستیک MPLE بطور همزمان به عنوان مدل های برتر انتخاب شده اند.