ارزیابی اثر شبکه اجتماعی افراد بر امتیاز اعتباری بانک ها و موسسه‏ های اعتباری با روش های یادگیری عمیق ماشین و گرادیان

این پژوهش به دنبال بررسی اثر متغیر ها و داده های مرتبط با شبکه اجتماعی افراد، بر امتیاز اعتباری آن هاست. در این پژوهش، دو هدف اصلی دنبال می‏شود: اول، کاهش عدم تقارن اطلاعاتی و دوم، افزایش شمول مالی. دستیابی به اهداف یادشده با یافتن اطلاعات معنا دار در زمینه داده های اجتماعی افراد انجام می شود تا چگونگی اثر چنین داده هایی بر امتیاز اعتباری آن ها اندازه گیری شود. فرضیه اساسی پژوهش این است که افراد با امتیاز اعتباری بالا با افراد مشابه و هم سنخ خود ارتباط اجتماعی دارند. در این پژوهش از یک مجموعه داده، برای تایید و توضیح اثر متغیرهای شبکه اجتماعی بر امتیاز اعتباری استفاده شد که مشتمل بر وام‏هایی بود (بیش از 300 هزار) که یکی از بانک های ایرانی به افراد حقیقی پرداخت کرده بود. برای تعیین متغیرهای پژوهش با تعدادی از متخصصان بانکی و افراد خبره در حوزه اعتبارسنجی، مصاحبه عمیق صورت گرفت و در انتها، متغیرها در سه طبقه مالی، رفتاری و اجتماعی تعیین و طبقه بندی شد. برای آزمایش فرضیه پژوهش، ابتدا از روش های آمار توصیفی و در ادامه، از روش رگرسیون لجستیک و در نهایت، از انواع مدل‏های رگرسیون مبتنی بر یادگیری عمیق ماشین، از جمله گرادیان استفاده شد. نتیجه بررسی های روش رگرسیون لجستیک نشان داد که از نظر آماری، متغیر های اجتماعی افراد، قابلیت پیش بینی احتمال نکول وام آنان را دارد. نتایج الگوریتم های یادگیری ماشین نیز نشان داد که اطلاعات شبکه اجتماعی، می تواند عملکرد پیش بینی نکول وام را به طور چشمگیری بهبود بخشد.