رتبه بندی اعتباری مشتریان بانک به کمک روش جدید گروهی بر پایه ماشین بردار پشتیبان: مطالعه موردی بانک پاسارگاد

در سال های اخیر موضوع رتبه بندی اعتباری و شناسایی مشتریان خوش حساب و بدحساب، بسیار مورد توجه بانک ها قرار گرفته است. اعطای تسهیلات به مشتریان خوش حساب و اجتناب از اعطای تسهیلات به مشتریان بدحساب که منجر به کاهش معوقات بانکی می شود، همواره یکی از دغدغه های مهم مدیران بانک ها است که این مهم به کمک استقرار نظام رتبه بندی اعتباری کارآمد و خوب دور از دسترس نیست. در این مقاله، مدل گروهی جدیدی بر مبنای الگوریتم ماشین بردار پشتیبان برای رتبه بندی اعتباری مشتریان بانک ارایه می شود. ابتدا به روش بوت استرپ، مجموعه داده ها به چندین زیرمجموعه تقسیم می شود. سپس الگوریتم ماشین بردار پشتیبان بر روی هر زیرمجموعه اعمال و چندین مدل تشکیل می شود. در انتها بین مدل ها رای گیری انجام و مدل نهایی به دست می آید. به منظور نمایش دقت مدل گروهی، داده های 2218 مشتری بانک پاسارگاد شامل 14 ویژگی توضیح دهنده به کمک روش گروهی پیشنهادی مورد ارزیابی قرار گرفتند. بر اساس معیارهای مختلف، نتایج بدست آمده بر روی داده های بانک پاسارگاد، برتری روش ماشین بردار پشتیبان گروهی بر روش معمولی ماشین بردار پشتیبان و روش جنگل تصادفی تایید می شود. خطای نوع دوم یعنی خطای شناسایی مشتریان بدحساب به عنوان خوش حساب در روش گروهی پیشنهادی با هسته خطی 17 درصد کمتر از روش معمولی ماشین بردار پشتیبان و 18 درصد کمتر از روش جنگل تصادفی است.