مديريت ريسك اعتباري در بانك كشاورزي شهرستان ممسني با استفاده از مدل شبكه عصبي

Credit Risk Management in Agricultural Bank of Mamasani Using Neural Network Model

اين پژوهش با هدف شناسايي عامل‌هاي موثر بر ريسك اعتباري و ارايه مدلي براي پيش بيني ريسك اعتباري و رتبه بندي مشتريان حقوقي متقاضي تسهيلات اعتباري بانك كشاورزي شهرستان ممسني با استفاده از روش شبكه عصبي انجام گرفته است. بدين منظور بررسي هاي لازم بر روي اطلاعات مالي و غيرمالي مربوط به يك نمونه 205 تايي كه به روش نمونه گيري خوشه‌اي چندمرحله‌اي تصادفي از ميان كشاورزان دريافت‌كننده وام در شهرستان ممسني در سال هاي 91-1386 انتخاب شده‌اند، صورت گرفته است. در اين پژوهش، 17 متغير توضيح‌دهنده شامل متغيرهاي مالي و غيرمالي مورد بررسي و تجزيه تحليل قرار گرفتند. متغيرهاي انتخابي به‌عنوان بردار ورودي شبكه عصبي پرسپترون چندلايه با سه لايه پنهان وارد مدل شدند. نتايج گوياي آن است كه مدل شبكه عصبي توانسته است با درصد صحت پيش‌بيني 5/95 درصدي مشاهده‌ها را منطبق بر واقع برآورد كند كه اين امر نشانگر توانايي بالاي شبكه عصبي در پيش بيني ريسك اعتباري مشتريان مي باشد.

This research has been done with the aim of identification of effective factors which influence credit risk and designing model for estimating credit risk of the farmers which have borrowed from an Agricultural Bank using Neural Network approach. For this purpose the necessary sample data on financial and non-financial information of 205farmers which received loan in Mamasani township (as multi-stage and cluster random simple) in 1386-1391 period was selected. In this research, 17 explanatory variables (include financial and non-financial variables) were selected and analyzed. The variables as well as the input vector three-layer perceptron neural network models were added to the model. The results indicated that the neural network model was able to estimated the observations with 95.5% efficiency, this indicates the high ability of the neural network model to predict credit risk of customers.