رویکرد حداقل مربعات ماشین بردار پشتیبان مبتنی بر الگوریتم ژنتیک جهت تخمین رتبه اعتباری مشتریان بانک‌ها

نویسندگان

1 دکترای مدیریت مالی دانشگاه تهران، ایران

2 کارشناسی ارشدمهندسی صنایع- گرایش مالی، دانشگاه علوم اقتصادی

چکیده

یکی از مهم¬ترین مسائلی که همواره بانک¬ها و مؤسسات مالی با آن مواجه هستند، مسئله ریسک اعتباری یا احتمال عدم ایفای تعهدات از سوی متقاضیان دریافت کننده تسهیلات اعتباری می¬باشد. رقم قابل توجه مطالبات معوق بانک‌ها در سراسر جهان نشان دهنده اهمیت این موضوع و لزوم توجه به آن می¬باشد. از این رو تاکنون تلاش‌های بسیاری به منظور ارائه مدلی کارا جهت ارزیابی و طبقه بندی هرچه دقیق¬تر متقاضیان تسهیلات اعتباری صورت گرفته است. هدف اصلی این پژوهش بکار گیری روش حداقل مربعات ماشین بردار پشتیبان مبتنی بر الگوریتم ژنتیک (Ga-LSSVM) در ارزیابی ریسک اعتباری متقاضیان تسهیلات اعتباری می¬باشد. بدین منظور از مجموعه داده¬های بانک آلمان در پایگاه داده یادگیری ماشین UCI جهت نمایش اثربخشی و دقت طبقه بندی کننده Ga-LSSVM استفاده شده است. نتایج مدل ارائه شده با مدل آماری لاجیت و رویکردهای بهینه سازی پارامترهای ماشین بردار پشتیبان مقایسه شده است. یافته¬های پژوهش حاکی از آن است که در ارزیابی ریسک اعتباری متقاضیان تسهیلات اعتباری، مدل Ga-LSSVM نسبت به مدل‌های بررسی شده از عملکرد مطلوبی برخوردار می¬باشد.

کلیدواژه‌ها