پيش‌بيني رتبه اعتباري مشتريان بانك‌ها با رويكرد هوش مصنوعي

Application of Artificial Intelligent in the Prediction of Credit Rating of Banks Customers

در مقاله حاضر به منظور پيش‌بيني عملكرد مالي مشتريان حقوقي بانك‌ها يك مدل‌ رتبه‌بندي اعتباري، با استفاده از الگوريتم حل چندهدفه ـ كه تركيبي از قوانين چيرگي فازي، الگوريتم ژنتيك و الگوريتم سيمپلكس است ـ ارائه مي‌شود. سپس كارآيي مدل بر اساس توانايي آن در تشخيص دقيق نكول مورد ارزيابي قرار مي‌گيرد. با استفاده از داده‌هاي بانك كشاورزي در سال‌هاي 1380ـ1385، مدل مفهومي رتبه‌بندي اعتباري، تعيين و نسبت بدهي، نسبت فعاليت و نسبت ارزش ويژه به مجموع دارايي‌ها به عنوان متغيرهاي توضيحي مدل انتخاب شده‌اند. از سوي ديگر نكول يا عدم نكول به صورت يك متغير موهومي به عنوان متغير وابسته مدل در نظر گرفته شده است. جهت آموزش و اعتبار‌سنجي مدل، داده‌ها به دو مجموعه مدل و شاهد تقسيم شده‌اند. پس از اجراي الگوريتم، علاوه بر مقادير درجه تشخيص و درجه حساسيت، به عنوان دو معيار كارآيي مدل، متغير كليدي نيز تعيين مي‌‌گردد.

This study examines a multi-objective fuzzy simplex-genetic algorithm being developed to predict the financial performance of legal customers of banks. Predicting the performance produced by the model was examined based on its ability to accurately identify credit default. Using available data from Keshavarzi bank for the period between 2001-2006، debt ratio، operational ratio، and return on equity were selected as descriptive variables، and on the other side، dependent variable was considered as a dummy variable. In order to train and validate the model، data were divided into two sets، model (in-sample) and test (out-of-sample). After running the algorithm، regardless the sensitivity and specificity ratios، the key variable were specified.