کاربرد سیستم‌های استدلال عصبی- فازی در رتبه‌‌بندی اعتباری مشتریان حقوقی بانک‎ها

نویسندگان

1 دانشجوی دکتری مهندسی صنایع

2 استادیار مهندسی صنایع، دانشگاه صنعتی اصفهان

چکیده

امروزه ریسک اعتباری به عنوان یکی از بزرگ‎ترین عوامل ورشکستگی بانک‎ها و مؤسسات مالی شناخته شده است. به منظور مدیریت و کنترل این ریسک طراحی مدل‎های رتبه‎بندی اعتباری در بانک‎ها ضرورتی انکار ناپذیر است. رتبه‎بندی اعتباری به منظور تعیین احتمال نکول در بازپرداخت تسهیلات اعتباری و از سوی دیگر برای طبقه‎بندی مشتریان متقاضی تسهیلات اعتباری به دو گروه خوش حساب و بد حساب مورد استفاده قرار می‎گیرد. تا به‎حال روش های آماری مختلفی از جمله آنالیز ممیزی، رگرسیون خطی و لجستیک و شبکه‎های عصبی در زمینه رتبه‎بندی اعتباری توسعه یافته‎اند. در این میان، شبکه های عصبی به دلیل انعطاف‎پذیری و دقت بالا، در سال‎های اخیر بیش‎تر مورد توجه قرار گرفته‎اند. در این مقاله یک مدل رتبه‌بندی اعتباری با استفاده از سیستم‌های استدلال عصبی- فازی جهت رتبه‎بندی مشتریان حقوقی بانک‎ها ارائه شده است. متغیرهای ورودی این مدل نسبت بدهی، نسبت فعالیت و نسبت ارزش ویژه به مجموع دارایی ها و متغیر خروجی آن احتمال نکول مشتری، در نظر گرفته شده است. پس از آموزش و تست مدل بر اساس داده های بانک کشاورزی طی سال‎های 1380-1385، مدل ارائه شده با دقت 36/69 درصد وضعیت اعتباری مشتریان را پیش‎بینی می‌کند.
طبقه‎بندی JEL : G52

کلیدواژه‌ها


عنوان مقاله [English]

Neuro-Fuzzy Inference System Application for Credit Rating of Bank Customers

نویسندگان [English]

  • Mahdieh Akhbari 1
  • Farimah Mokhatab Rafiei 2
1
2
چکیده [English]

Nowadays, credit risk is recognized as one of the most important bankruptcy factors of banks and financial institutions. In order to manage and control this risk, design of credit rating models is undeniable necessity. Credit rating is used to identify the probability of credit default and on the other side classify the customers into two groups: good and bad accounts. Until now, various statistical methods, including discriminant analysis, logistic regression and neural networks have been developed for credit rating. Meanwhile, neural networks due to the high flexibility and precision, in recent years have been considered more. This study presents a credit rating model using adaptive neuro-fuzzy inference system to predict financial performance of bank customers. In this model, debt ratio, operational ratio, and return on equity have been selected as input variables, and on the other side the probability of default has been considered as output variable. After training and testing the model based on data from Keshavarzi bank over 2001-2006, the model predicts the credit status of customers with Accuracy of 69.36%.
JEL classification: C2; G240

کلیدواژه‌ها [English]

  • neuro- fuzzy inference systems
  • Credit Rating
  • sensitivity ratio
  • specificity ratio