ارزيابي ريسك اعتباري مشتريان بانك‌ها

Presenting a Model for Measuring Credit Risk of Bank Customers using Data Mining Approach

بانك­های تجاری به منظورمدیریت ریسك اعتباری، از روش­های امتیازدهی اعتباری متفاوتی برای ارزیابی عملكرد مالی شركت­های متقاضی تسهیلات اعتباری استفاده می­كنند. در این تحقیق از یك روش پارامتریك (رگرسیون لجستیك) و یك روش ناپارامتریك (درخت تقسیم و رگرسیون) برای ایجاد مدل امتیازدهی اعتباری استفاده شده است. برای ساخت مدل امتیازدهی اعتباری داده­های مربوط به 282 شركت كوچك و متوسط وام­گیرنده از یكی از شعب بانك تجارت استان تهران مورد استفاده قرار گرفت. 13 نسبت مالی به عنوان شاخص‌های تعیین كننده وضعیت مالی شركت‌های انتخاب شده به كار گرفته شدند. با استفاده از این دو روش، نسبت­های مؤثر و همچنین دقت روش­های مذكور در طبقه‌بندی مشتریان مشخص شد. با مشاهده نتایج حاصل از ارزیابی این روش­ها می­توان فهمید كه روش­های ناپارامتریك دارای دقت قابل رقابتی با روش­های پارامتریك می­باشند.

To manage credit risk, commercial banks use various scoring methodologies to evaluate the financial performance of client firms. In this study, a parametric model (Logistic regression) and a nonparametric model (Classification and regression tree) were used in order to create credit scoring models. These models were designed using 13 financial ratios as independent variables. The data were collected from 282 companies and then were compared in term of accuracy rate. The two models specified the important variables which affect the classification and credit risk. The obtained results revealed that the accuracy rates of nonparametric methods were competitive with the parametric methods.