فهرست نشریات علمی دسترسی آزاد ایران

پژوهش حاضر با هدف بهینه‌سازی فرآیند تامین مالی بانکی کسب‌وکارهای کوچک و متوسط (SME ها) با بهره‌گیری از الگوریتم‌های داده‌کاوی و هوش مصنوعی انجام شده است. در عصر حاضر، SME ها نقش حیاتی در پویایی اقتصاد ایفا می‌کنند، اما دسترسی به منابع مالی کارآمد، چالش اساسی آن‌ها محسوب می‌شود. روش‌های سنتی تامین مالی بانکی به دلیل فرآیندهای زمان‌بر و ارزیابی‌های ناکافی ریسک، پاسخگوی نیازهای پویای SME ها نیستند. این پژوهش از نوع کاربردی با رویکرد آمیخته (کیفی-کمی) و استراتژی تلفیقی بوده و با هدف ارائه یک مدل هوشمند و کارآمد جهت تسهیل دسترسی SME ها به منابع مالی و کاهش ریسک اعتباری بانک‌ها انجام پذیرفته است. در بخش کیفی، از روش فراترکیب برای استخراج ویژگی‌های کلیدی موثر بر تامین مالی SME ها استفاده شده و در بخش کمی، با تحلیل داده‌های واقعی اعطای اعتبار بانک تجارت به 1073 SME در بازه زمانی پنج ساله، به مدل‌سازی با الگوریتم‌های یادگیری ماشین (رگرسیون خطی، درخت تصمیم‌گیری، k-نزدیک‌ترین همسایه، ماشین بردار پشتیبان و شبکه‌های عصبی مصنوعی) پرداخته شده است.نتایج بخش کیفی منجر به شناسایی چهار بُعد اصلی مؤثر بر تامین مالی SME ها شامل: مشخصات کسب‌وکار، استراتژی کسب‌وکار، وضعیت مالی و اعتباری و عوامل خارجی گردید. در بخش کمی، الگوریتم‌های مختلف با استفاده از این ویژگی‌ها و دسته‌های ترکیبی آن‌ها مورد ارزیابی قرار گرفتند. یافته‌ها نشان داد که الگوریتم شبکه‌های عصبی مصنوعی (ANN) با استفاده از تمامی ویژگی‌های استخراج‌شده، بالاترین دقت (95.75%) و پایداری را در پیش‌بینی موفقیت تامین مالی SME ها دارا می‌باشد. همچنین، ویژگی‌های وضعیت مالی و اعتباری کسب‌وکار به عنوان مهم‌ترین دسته از ویژگی‌ها در فرآیند تصمیم‌گیری تامین مالی شناسایی شدند. مدل مفهومی نهایی پژوهش، بر پایه این یافته‌ها، اهمیت نسبی دسته‌های مختلف ویژگی‌ها را در تصمیم‌گیری بانک تجارت برای تامین مالی SME ها تبیین می‌نماید. این پژوهش به طور قاطع، کارایی و اثربخشی الگوریتم‌های یادگیری ماشین، به ویژه شبکه‌های عصبی مصنوعی، را در بهینه‌سازی فرآیند تامین مالی بانکی SME ها به اثبات رسانده و پتانسیل آن‌ها را در بهبود فرآیندهای اعتبارسنجی، کاهش ریسک‌های اعتباری، تسهیل دسترسی SME ها به منابع مالی و افزایش کارایی و کاهش هزینه‌های بانک‌ها نشان می‌دهد.