مقایسه کارایی مدل های کلاسیک و شبکه های عصبی در برآورد ریسک و ظرفیت اعتباری مشتریان شواهدی از بانک تجارت

یکی از اهداف مهمی که بانک ها و موسسات مالی جهت بالا بردن کارایی پس اندازهای جمع آوری شده از اشخاص حقیقی و حقوقی دنبال می کنند، این است که با شناسایی مشتریان اعتباری خود تسهیلات اعتباری را به افراد یا ساز مان هایی تخصیص دهند که احتمال نکول کمتری داشته باشند. لیکن برای این کار از روش های مختلفی هم چون روش معمول قضاوت شخصی، تحلیل ممیزی و... استفاده می کنند. با این وجود اغلب این روش ها، روی ریسک اعتباری مشتریان متمرکز شده اند، در حالی که ظرفیت اعتباری مشتریان می تواند در ارائه تسهیلات نقش مهمی ایفاء نماید.
در این مقاله مدل شبکه های عصبی برای محاسبه هر دو عامل ریسک و ظرفیت اعتباری به طور همزمان مورد توجه قرار گرفته است. البته مدل های رگرسیون خطی و لجستیک نیز برای محاسبه ریسک و ظرفیت اعتباری به کار گرفته شده است تا با مدل شبکه های عصبی مقایسه گردد.
نتایج به دست آمده دلالت بر کارایی بالای شبکه های عصبی نسبت به رگرسیون خطی در برآورد ظرفیت اعتباری مشتریان و کارایی یکسان مدل شبکه های عصبی و رگرسیون لجستیک در برآورد ریسک اعتباری دارد.