طبقه بندی اعتباری مشتریان حقوقی یک بانک ایرانی با استفاده از KFP-MCOC

ریسک اعتباری یکی از مهم ترین ریسک های بانک داری است که ناشی از عدم پرداخت به موقع اصل و فرع تسهیلات اعطایی می باشد. اهمیت اندازه گیری این ریسک به این دلیل است که عدم اندازه گیری و مدیریت آن، منجر به افزایش حجم مطالبات مشکوک الوصول می شود و زیان های غیر منتظره آتی را برای بانک ها به همراه دارد. در پژوهش حاضر به ارائه یک مدل مبتنی بر بهینه سازی خطی و غیرخطی پرداخته شده است. این مدل ریاضی به دنبال یافتن یک ابرصفحه جداکننده است تا بتواند به کمک آن 85 مشتری خوش حساب و بدحساب موجود در بازار بورس اوراق بهادار تهران را که از یک بانک ایرانی وام گرفته اند، از یکدیگر تفکیک نماید. همچنین در این راه، از توابع کرنل، فازی سازی داده ها و ضرایب جریمه به منظور بهبود مدل ریاضی استفاده شده است. نتایج این تحقیق بیان گر این است که مدل بهینه سازی خطی با تابع کرنل سیگموئیدی بهترین نتایج را در مقایسه با مدل های بهینه سازی خطی و غیرخطی با کرنل های خطی، چندجمله ای، سیگموئیدی و پایه شعاعی می دهد. مدل مذکور مشتریان بدحساب را کاملا شناسایی می کند؛ لیکن در خصوص مشتریان خوش حساب و بدحساب با هم، کارایی 80 درصدی دارد.