پیش بینی ریسک تسهیلات پرداختی با استفاده از ابزارهای داده کاوی

یکی از شایع ترین علل که در ریسک اعتباری باید مورد توجه قرار گیرد عدم ایفای تعهدات مشتریان است. با پیش بینی رفتار اعتباری متقاضیان تسهیلات، می توان نرخ رشد مطالبات غیرجاری را کاهش داد. به همین منظور، این پژوهش در خصوص صاحبان کسب وکار متقاضی تسهیلات در یکی از بانک های دولتی ایران انجام گرفته است. در پژوهش حاضر، پس از گزینش شاخص های اساسی شکل دهنده رفتار مشتریان، به کمک روش نمونه گیری طبقه بندی شده، 521 نمونه تصادفی از بین پرونده های تسهیلاتی مشتریان صاحبان کسب و کار متقاضی تسهیلات انتخاب شد؛ سپس فرایند آماده سازی داده ها با تلخیص و یکپارچه سازی و درون یابی برخی داده های مفقود صورت پذیرفت؛ در گام بعدی، نهایتا 85 شاخص جهت الگوسازی انتخاب و به منظور سنجش درجه اهمیت عوامل موثر در رفتار اعتباری متقاضیان، از الگوریتم های درخت تصمیم، شبکه عصبی، و ماشین بردار پشتیبان بهره گرفته شد که الگوریتم درخت تصمیم با میانگین قدر مطلق خطای 14 درصد در بهترین حالت نرخ نکول را پیش بینی کرد. بر اساس داده های موجود و مطابق با نتایج به دست آمده، الگوریتم درخت تصمیم چاید و استفاده از شاخص های مدت قرارداد، مبلغ امهال، تعداد اقساط، سود عملیاتی به دارایی، نوع عقد، میانگین قرض الحسنه 3 ماه قبل و مبلغ وام می تواند پیش از اعطای تسهیلات، در تصمیم گیری و پیش بینی رفتار اعتباری مشتری نقش حائز اهمیتی داشته باشد.