پيش‌بيني ريسك تسهيلات پرداختي با استفاده از ابزارهاي داده‌كاوي

يكي از شايع‌ترين علل كه در ريسك اعتباري بايد مورد توجه قرار ‌گيرد عدم ايفاي تعهدات مشتريان است. با پيش‌بيني رفتار اعتباري متقاضيان تسهيلات، مي‌توان نرخ رشد مطالبات غيرجاري را كاهش داد. به همين منظور، اين پژوهش در خصوص صاحبان كسب‌وكار متقاضي تسهيلات در يكي از بانك‌هاي دولتي ايران انجام گرفته است. در پژوهش حاضر، پس از گزينش شاخص‌هاي اساسي شكل‌دهندهٔ رفتار مشتريان، به كمك روش نمونه‌گيري طبقه‌بندي‌شده، 521 نمونهٔ تصادفي از بين پرونده‌‌هاي تسهيلاتي مشتريان صاحبان كسب‌و‌كار متقاضي تسهيلات انتخاب شد؛ سپس فرايند آماده‌سازي داده‌ها با تلخيص و يكپارچه‌سازي و درون‌يابي برخي داده‌هاي مفقود صورت پذيرفت؛ در گام بعدي، نهايتاً 85 شاخص جهت الگوسازي انتخاب و به‌منظور سنجش درجهٔ اهميت عوامل مؤثر در رفتار اعتباري متقاضيان، از الگوريتم‌هاي درخت تصميم، شبكهٔ عصبي، و ماشين بردار پشتيبان بهره گرفته شد كه الگوريتم درخت تصميم با ميانگين قدر مطلق خطاي 14 درصد در بهترين حالت نرخ نكول را پيش‌بيني كرد. بر اساس داده‌هاي موجود و مطابق با نتايج به‌دست‌آمده، الگوريتم درخت تصميم چايد و استفاده از شاخص‌هاي مدت قرارداد، مبلغ امهال، تعداد اقساط، سود عملياتي به دارايي، نوع عقد، ميانگين قرض‌الحسنه 3 ماه قبل و مبلغ وام مي‌تواند پيش از اعطاي تسهيلات، در تصميم‌گيري و پيش‌بيني رفتار اعتباري مشتري نقش حائز اهميتي داشته باشد.