بررسی ریسک اعتباری بر اساس روش های ناپارامتریک
Abstract(in Persian; no English abstract is available)
یکی از مهم¬ترین اقدامات در بانک¬ها اعطای تسهیلات به مشتریان است که این اقدام، ریسک¬هایی را برای بانک ایجاد می¬کند. یکی از مهم ترین این ریسک¬ها، ریسک اعتباری است. بانک¬ها و موسسات مالی اعتباری به عنوان یک نهاد مالی، ملزم به برآورد ریسک اعتباری هر یک مشتریان حقوقی و حقیقی خود می¬باشند. مدل¬های ناپارامتریک متعددی برای پیش¬بینی و طبقه¬بندی در علوم مختلف مطرح هستند. اخیرا مدل¬های ناپارامتریک مانند شبکه¬عصبی و الگوریتم¬های تکاملی به عنوان شیوه¬های نوین وارد حوزه تحقیقات حوزه مالی شده¬اند. در این پژوهش 2 مدل ناپارامتریک شبکه عصبی lvq و برنامه¬ریزی بیان ژنتیک(gep) در ارتباط با وضعیت اعتباری مشتریان حقوقی یکی از بانک-های تجاری در ایران مورد بررسی قرار می¬گیرد. این پژوهش حاضر در باز? زمانی پنج ساله و بااستفاده از اطلاعات مالی319 شرکت بورسی که این بانک تجاری به آنها تسهیلات مالی اعطا نموده است، انجام گرفته¬است. از میان 26 نسبت مالی به تشخیص خبرگان از طریق روش دلفی (نظرسنجی با استفاده از پرسشنامه) 9 نسبت مالی انتخاب شده¬است. نتایج بدست آمده، نشان می¬دهد مدل برنامه¬ریزی ژن ، دقت و عملکرد بیشتری در پیش¬بینی اعتبارات مشتریان داشته و مدل شبکه عصبی بردار تدریجی(lvq) نیز از کارایی بالایی برخوردار بوده و مدل مناسبی برای ارزیابی اعتباری مشتریان بانک است. مضاف بر این، دو مدل ناپارامتریک، برنامه¬ریزی ژن جواب دقیق¬تری برای امتیازدهی اعتباری متشریان حقوقی بانک تجاری با دقت بالای 82% ارائه نموده¬است. همچنین شبکه عصبی lvq با دقت 71.9% نتایج خوبی را نشان داده¬است. این شبکه عصبی با عملکردی بالای0.56 در اولینepoch نیز عملکرد خوبی برای امتیازدهی اعتباری داشته است و مدل مناسبی برای این موضوع می¬باشد. در نهایت نتیجه هر سه فرضیه این پژوهش مورد تایید قرار گرفته و هر دو مدل برای امتیازدهی اعتباری، مدل¬های مناسبی می¬باشند.