ارائه مدلی ترکیبی برای خوشه بندی، رتبه بندی و پیش بینی عملکرد تسهیلات اعطایی موسسات مالی- اعتباری از منظر بازپرداخت بدهی تسهیلات (مورد مطالعه: صندوق کارآفرینی امید)

پیام:
چکیده:
هدف  این مقاله  ارائه مدلی ترکیبی است تا ضمن ارزیابی عملکرد تسهیلات سیستم بانکی از منظر بازپرداخت بدهی تسهیلات، امکان پیش بینی وضعیت اعتباری متقاضیان تسهیلات را فراهم اورد.در این راستا در ابتدا با اتخاذ رویکرد مدیریت اعطای تسهیلات توسط بانک ها به خوشه بندی و رتبه بندی 100224 فقره از تسهیلات صندوق کارآفرینی امید پرداخته شده است. تمامی اطلاعات مربوط به تسهیلات اعطایی به مشتریان فوق از نرم افزار بانکداری متمرکز صندوق استخراج شده است و با اتکا به این مجموعه داده کمی ارزشمند و دارای روایی بالا از روش های کیفی برای گردآوری داده ها استفاده نشده است. در این مقاله  از روش تحلیل عاملی «رب پی سی ای»  برای طبقه بندی و از الگوریتم دو مرحله ای «کی-مینز»  برای خوشه بندی استفاده می شود. همچنین غیر از روش های خوشه بندی اشاره شده از روش «سی سی ار»  نیز برای ارزیابی عملکرد تسهیلات صندوق استفاده شده است. در ادامه با هدف ایجاد زمینه پیش بینی وضعیت اعتباری متقاضیان پیش از اعطای تسهیلات به ارائه مدلی برای پیش بینی اعتبار با استفاده از دو  الگوریتم ماشین بردار پشتیبان و الگوریتم ترکیبی فراابتکاری شبکه عصبی-ژنتیک پرداخته شده است. نتایج به دست آمده از پیش بینی وضعیت اعتباری متقاضیان تسهیلات نشان می دهد که مدل به دست آمده از روش ترکیبی شبکه عصبی-ژنتیک با میانگین مربعات خطا 23/0 و ضریب تعیین  78 درصد از صحت پیش بینی بیشتری در مقایسه با مدل ماشین بردار پشتیبان برخوردار است. بنابراین، مدل ارائه شده برای پیش بینی وضعیت اعتباری در این مقاله، می تواند پیش بینی به نسبت مناسبی از عملکرد متقاضیان تسهیلات داشته باشد. روشی جدید که در قالب یک نرم افزار داده کاوی امکان پیش بینی اعتبار متقاضیان از منظر بازپرداخت بدهی تسهیلات را برای موسسات مالی-اعتباری فراهم می آورد.
نوع مقاله:
مقاله پژوهشی/اصیل
زبان:
فارسی
صفحات:
185 -223
لینک کوتاه:
magiran.com/p2002666 
روش‌های دسترسی به متن این مطلب
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 300,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!