طراحي مدلي جهت پيش‌بيني رتبه اعتباري مشتريان بانكها با استفاده از الگوريتم فراابتكاري و هيبريدي چند معياره شبكه عصبي فازي – كلوني مورچگان (مطالعه موردي شعب پست بانك استان تهران)

Model for Credit Rating Prediction of Banks Customers by the Use of A Meta- Heuristic Hybrid Multi-Attribute Fuzzy Neural Network-Ant Colony (Case Study on Tehran’s Post-bank Branches)

همواره موسسات مالي و اعتباري براي آنكه بتوانند حداكثر سود حاصل از سرمايه گذاري‌هاي خود را دريافت دارند، بدنبال پالايش، جذب و نگهداشت بهترين سرمايه گذاران، مشاوران، مشتريان و قرض‌گيرندگان بوده‌اند. بااين وجود، علوم مختلف سعي نموده‌اند روشهاي دقيقي براي تفكيك مشتريان ارايه نمايند. از همين رو علومي مانند روانشناسي تا علوم مديريت، رياضيات، مالي و ... درصدد تحقق اين هدف برآمده‌اند. آنچه كه دراين پژوهش بدان اشاره خواهد شد ضرورت استفاده از روش‌هاي نوين داده‌كاوي در تركيب با روشهاي هوش مصنوعي جهت فايق آمدن بر پيچيديگي‌هاي مساله است و پاسخ به اين سوال كه آيا روش تركيبي استفاده شده به خوبي رتبه اعتباري مشتريان را پيش‌بيني مي‌كند؟ اين امر در حالي رخ مي‌دهد كه نبايد بُعد ديگري از مساله را كه همانا انتخاب مهمترين عوامل سنجش (معيارها) هستند را فراموش نمود و در اين راستا ازقضاوت خبرگان و تحليل‌هاي ناپارامتري (آزاد توزيع) به منظور رتبه‌بندي معيارها استفاده گرديده است. كه نهايت با انتخاب تعدادي از شاخص‌ها به منظور پياده‌سازي مدل تركيبي به اين سوال پاسخ داده خواهد شد كه آيا نظر خبرگان در انتخاب معيارها، منتج به پيش‌بيني مناسبي از وضعيت اعتباري مشتريان مي‌گردد. سه شاخص " سن"، " سابقه ارتباط با بانك (مدت حساب)" و " ميزان اعتبار" براي پياده‌سازي مدل تركيبي عصبي فازي انتخاب گرديد. و نتايج بيانگر آن مي‌باشد كه 89.67 درصد از مواقع اين سيستم مي‌تواند تخمين درستي نسبت به رتبه اعتباري مشتريان ارايه دهد. براي بهينه‌سازي شبكه عصبي- فازي از الگوريتم كلوني مورچگان استفاده گرديد كه منتج به بهبود عملكرد مدل تا 90.5 درصد گرديد.

All financial institutions for gaining the best profit of their investment are always looking for the best investors, consulters, and borrowers. Besides, different sciences attempt to represent accurate methods for the separation of the customers. For that reason, sciences such as psychology, management, mathematics, financial, etc. seek to achieve this aim. The subject that comes into consideration in this paper is the necessity of using the new methods in data mining in mixture with artificial intelligence techniques in order to deal with the sophisticated issue, and answer this question that “does” the usage of combined approach predict the customer rating well? Is this regard, another dimension must not be forgotten that is selection of measurement criteria; the researcher has used judging journalist and non-parametric analysis in order to rank the criteria. Finally, we selected the number of indicators in order to implement the hybrid model that will lead the researcher to answer this question: Do the journalist’s ideas selection criteria result in a good prediction of the credit status of customers? The three indicators “age”, “previous relationship with the bank”, and “credit” were chosen implement a fuzzy neural hybrid model. The model was implemented in three layers, and the results suggest that 89.67% times the system can accurately estimate the proportion of customers ratings. To optimize the fuzzy neural network, the ant colony algorithm was used, and the results showed that the improved performance of the model was 90.5%.