تدوين مدل پيش بيني اعتباري مشتريان حقوقي بانك هاي خصوصي با بهره گيري از الگوريتم هاي فراابتكاري (مطالعه موردي: شعبه هاي بانك پاسارگاد شمال غرب كشور)

Compilation a credit forecasting model for legal customers of private banks using meta-heuristic algorithms (Case study: Pasargad Bank branches in the north, west of the country)

عدم توانايي بانك‌ها در اعتبارسنجي و ارزيابي مالي مشتريان و پيش‌بيني دقيق ريسك اعتباري تسهيلات گيرندگان، تاثيرات مخربي بر سيستم مالي جهاني و فعاليت‌هاي اقتصادي داشته و از اصلي‌ترين دلايل بحران‌هاي مالي جهاني در سال‌هاي اخير بوده‌اند. هدف اين تحقيق، تدوين مدل پيش­بيني اعتباري مشتريان حقوقي بانك­هاي خصوصي با بهره­گيري از الگوريتم­هاي فراابتكاري در شعبه‌هاي بانك پاسارگاد شمال غرب كشور بوده است. روش‌شناسي پژوهش: اين تحقيق براساس هدف پژوهش، توسعه­اي و براساس روش انجام كار توصيفي مي‌باشد. جامعه آماري اين تحقيق را دو بخش خبرگان و مديران بانكي استان آذربايجان‌شرقي و مشتريان حقوقي بانك پاسارگاد در شمال­غرب كشور تشكيل مي‌دهند. حجم نمونه آماري براي جامعه اول، 58 خبره بانكي استان اعم از مديران، مسئولين اعتباري و روساي شعب با سابقه كار اعتباري بانك‌هاي خصوصي تعيين شده و براي جامعه دوم، براساس نمونه­گيري هدفمند 427 مشتري حقوقي بانك پاسارگاد انتخاب شده است. به منظور جمع­آوري داده­ها از پرسشنامه و اسناد و مدارك بانك پاسارگاد بهره گرفته شده و روايي پرسشنامه به صورت روايي محتوا و براساس شاخص­هاي نسبت روايي محتوا و شاخص روايي محتوا و پايايي پرسشنامه با استفاده از ضريب آلفاي كرونباخ مورد بررسي و تأييد قرار گرفته است. به منظور تجزيه و تحليل داده­ها از آزمون t، تحليل عاملي تأييدي، شبكه عصبي مصنوعي چند لايه، شبكه عصبي آموزش ديده با الگوريتم ژنتيك، شبكه عصبي آموزش ديده با الگوريتم ازدحام ذرات و شبكه عصبي آموزش ديده با الگوريتم تكامل تفاضلي استفاده شده است. يافته ها: يافته ­هاي پژوهش نشان مي­دهد كه هر چهار مدل فوق قادر به پيش­بيني اعتباري مشتريان حقوقي بانك­هاي خصوصي هستند و بهترين روش براي پيش­بيني اعتباري مشتريان حقوقي بانك­هاي خصوصي، شبكه عصبي آموزش ديده با الگوريتم تكامل تفاضلي با كمترين مقدار خطا نسبت به سه روش ديگر است.

Banks' inability to credit assessment and financial evaluation of customers and forecasting accurately the credit risk of borrowers has devastating effects on the global financial system and economic activity and have been the main causes of global financial crises in recent years.The purpose of this paper is to compile a credit forecasting model for legal customers of private banks by using meta-heuristic algorithms in the branches of Pasargad Bank in the northwest of Iran. Methodology: This research is base on the purpose of developmental research and based on the method of performing descriptive work. The statistical population of this study is in two sections of banking experts and legal customers of Pasargad Bank in the northwest of the Iran. The statistical sample size for the first community of 58 banking experts including managers, credit officials and heads of branches in with credit work experience in private banks and for the second community, 427 legal clients were selected based on targeted sampling. In order to collect data in this research, a questionnaire and documents of Pasargad Bank have been used. The validity of the questionnaire was investigated as content validity and based on the indicators of content validity ratio and content validity index. The reliability of the questionnaire was assessed using Cronbach's alpha coefficient. In order to analyze the research data, t-test, confirmatory factor analysis, multilayer neural network, genetically trained neural network, trained neural network with particle swarm optimization and trained neural network with differential evolution will be used. Findings: The research findings show that all four models are able to predict the credit predictions of the legal customers of private banks and the best way to predict the credit predictions of the legal customers of private banks is the neural network trained with differential evolution algorithm with the least amount of error compared to the other three methods.