رتبه‌بندي اعتباري مشتريان بانك به كمك روش جديد گروهي بر پايه‌ ماشين بردار پشتيبان: مطالعه موردي بانك پاسارگاد

در سال‌هاي اخير موضوع رتبه‌بندي اعتباري و شناسايي مشتريان خوش‌حساب و بدحساب، بسيار مورد توجه بانك‌ها قرار گرفته است. اعطاي تسهيلات به مشتريان خوش‌حساب و اجتناب از اعطاي تسهيلات به مشتريان بدحساب كه منجر به كاهش معوقات بانكي مي‌شود، همواره يكي از دغدغه‌هاي مهم مديران بانك‌ها است كه اين مهم به كمك استقرار نظام رتبه‌بندي اعتباري كارآمد و خوب دور از دسترس نيست. در اين مقاله، مدل گروهي جديدي بر مبناي الگوريتم ماشين بردار پشتيبان براي رتبه‌بندي اعتباري مشتريان بانك ارائه مي‌شود. ابتدا به روش بوت‌استرپ، مجموعه داده‌ها به چندين زيرمجموعه تقسيم مي‌شود. سپس الگوريتم ماشين بردار پشتيبان بر روي هر زيرمجموعه اعمال و چندين مدل‌ تشكيل مي‌شود. در انتها بين مدل‌ها راي‌گيري انجام و مدل نهايي به دست مي‌آيد. به منظور نمايش دقت مدل گروهي، داده‌هاي 2218 مشتري بانك پاسارگاد شامل 14 ويژگي توضيح‌دهنده به كمك روش گروهي پيشنهادي مورد ارزيابي قرار گرفتند. بر اساس معيارهاي مختلف، نتايج بدست آمده بر روي داده‌هاي بانك پاسارگاد، برتري روش ماشين بردار پشتيبان گروهي بر روش معمولي ماشين بردار پشتيبان و روش جنگل تصادفي تاييد مي‌شود. خطاي نوع دوم يعني خطاي شناسايي مشتريان بدحساب به عنوان خوش‌حساب در روش گروهي پيشنهادي با هسته خطي 17 درصد كمتر از روش معمولي ماشين بردار پشتيبان و 18 درصد كمتر از روش جنگل تصادفي است.