این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های پولی و بانکی، جلد ۱۰، شماره ۳۴، صفحات ۶۸۰-۶۵۷
عنوان فارسی مقایسه مدل‌های شبکه عصبی، الگوریتم ژنتیک و لاجیت در ارزیابی ریسک اعتباری مشتریان
چکیده فارسی مقاله   هدف پژوهش حاضر ارزیابی روش‌های رتبه‌بندی اعتباری مشتریان حقیقی (دریافت‌کنندگان اعتبارات خُرد) بانک‌ها، به‌وسیله بررسی سوابق مالی و مشخصات خصیصه‌ای فرد متقاضی می‌باشد. بررسی‌های صورت گرفته نشان می‌دهد که جهت رتبه‌بندی اعتباری مشتریان عمدتاً از سه روش؛ مدل لاجیت، شبکه عصبی و الگوریتم ژنتیک، استفاده می‌شود. در این پژوهش کارایی این روش‌ها جهت سنجش دقیق نکول مورد ارزیابی قرار می‌گیرد. بدین منظور اطلاعات و داده‌های مالی و کیفی یک نمونه تصادفی 399 تایی از مشتریان که طی سال‌های 87 الی 91 تسهیلات دریافت نموده‌اند مورد بررسی قرار می‌گیرد. پس از بررسی پرونده‌های اعتباری هر یک از مشتریان، 12 متغیر توضیحی شناسایی گردید که براساس آزمون لاجیت متغیرهای؛ سابقه اعتباری، معدل شش‌ماهه حساب، وضعیت اشتغال، میزان اعتبار درخواستی، اقساط ماهانه و مدت بازپرداخت تأثیر معنی‌دار بر نکول داشته‌اند. نتایج ارزیابی روش‌های رتبه‌بندی اعتباری نشان‌دهنده این است که عملکرد شبکه عصبی نسبت به مدل ژنتیک و لاجیت به مراتب بهتر بوده است چرا که درجه حساسیت 82٫92٪ و تشخیص ٪76٫92 می‌باشد و به‌طورکلی این مدل توانسته است 80٪ نکول یا عدم نکول را درست پیش‌بینی کند. بنابراین پیشنهاد می‌شود جهت کاهش ریسک اعتباری بانک، اصلاح ساختاری مبتنی بر ایجاد سامانه اعتبار سنجی مشتریان بر اساس شبکه عصبی صورت پذیرد.
کلیدواژه‌های فارسی مقاله پروبیت، لاجستیک، تحلیل ممیزی ، تابع توزیع تجمعی
عنوان انگلیسی Comparison Between Neural Network, Genetic Algorithm and Logit Models in Evaluating Consumer Credit Risk
چکیده انگلیسی مقاله  The purpose of this study is to assess the credit rating methods of real customers (micro-credit recipients) of banks, by reviewing the financial records and characteristics of the applicant's characteristics. In this research, the effectiveness of some methods (logit model, neural network, and genetic algorithm) is evaluated for accurate measurement of the Defaults. For this purpose, the information and financial and qualitative data of a random sample of 399 customers who have received facilities during the years 1387 to 1391 have been investigated. After reviewing the credit records of each of the customers, 12 explanatory variables were identified which, based on the logit test variables, credit history, six-month average account, employment status, amount of credit, monthly installments and repayment period, had a significant effect on default. The results of the evaluation of credit rating methods indicate that the performance of the neural network is much better than the Genetic and Logit models because the sensitivity is 82.92% and the specificity is 76.92%, and in general, this model has been able to 80% Predict default or non-default. Therefore, in order to reduce the bank's credit risk, it is suggested that a structural adjustment based on the creation of a customer validation system based on the neural network is proposed.  
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله فتح الله تاری | Fethullah Tari
Allame Tabatabaei University
دانشگاه علامه طباطبایی (ره)

سید احمد ابراهیمی | seyed Ahmad Ebrahimi
Researcher at National Research Institute For Science Policy
پژوهشگر مرکز تحقیقات سیاست علمی کشور

سید جعفر موسوی | Seyed Jafar Mousavi
Entrepreneurship Education
دانشجوی دکتری کار آفرینی

محمود کلانتری | Mahmoud Kalantari
Iran University of Economic Science
دانشگاه علوم اقتصادی

نشانی اینترنتی http://jmbr.mbri.ac.ir/browse.php?a_code=A-10-707-1&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1437/article-1437-749059.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده سیاست پولی، بانکداری مرکزی و عرضه پول و اعتبارات (E5)
نوع مقاله منتشر شده مقاله نظری
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات