ارزيابي اثر شبكهٔ اجتماعي در امتياز اعتباري افراد با روش‌هاي يادگيري عميق ماشين

مؤسسات مالي از امتيازدهي اعتباري براي ارزيابي خطر بالقوهٔ نكول وام‌گيرندگان استفاده مي‌كنند. در سال‌‌هاي اخير، بسياري از وام‌دهندگان به پتانسيل خوب وام‌گيرندگان كم‌سابقه يا فاقد سابقهٔ مالي كافي پي برده و به‌دنبال استفاده از انواع داده‌‌هاي جايگزين به‌منظور جبران كمبود داده‌‌هاي سابقهٔ اعتباري براي محاسبهٔ احتمال نكول و امتياز اعتباري‌اند. اين تحقيق به‌دنبال بررسي اثر متغير‌ها و داده‌هاي مرتبط با شبكهٔ اجتماعي افراد بر امتياز اعتباري آن‌هاست. اين كار با يافتن اطلاعات معني‌دار در مورد داده‌‌هاي اجتماعي افراد انجام مي‌شود تا چگونگي اثر چنين داده‌هايي در امتياز اعتباري آن‌ها اندازه‌گيري شود. فرضيهٔ اساسي اين تحقيق اين است كه افراد با امتياز اعتباري بالا با افرادي مشابه و هم‌سنخ با خود ارتباط اجتماعي دارند. در اين تحقيق، مجموعه داده‌اي بالغ بر ۳۰۰ هزار از وام‌هايي كه توسط يك بانك ايراني به افراد حقيقي پرداخت شده است، براي تأييد و توضيح اثر متغيرهاي شبكهٔ اجتماعي در امتياز اعتباري مورداستفاده قرار گرفته است. بررسي‌هاي انجام‌شده با استفاده از روش رگرسيون لجستيك نشان مي‌دهد كه از نظر آماري، متغير‌‌هاي اجتماعي افراد قابليت پيش‌بيني احتمال نكول وام آن‌ها را دارد. نتايج الگوريتم‌‌هاي يادگيري ماشين نيز نشان مي‌دهد كه اطلاعات شبكهٔ اجتماعي مي‌تواند عملكرد پيش‌بيني نكول وام را به‌طور قابل‌توجهي بهبود بخشد.