مقایسه مدل‌های مختلف شبکه عصبی در رتبه‌بندی اعتباری سیستم بانکی و معرفی بهترین مدل

در نگاهی ساده، حوزه فعالیت بانک‌ها تجهیز و تخصیص منابع می‌باشد. لذا، بانک‌ها با در نظر گرفتن ریسک اعتباری مشتریان، به تقاضاهای آن‌ها مبنی بر اخذ تسهیلات جامه عمل می‌پوشانند. این پژوهش، با هدف انتخاب متغیرهای اثرگذار و مدل بهینه، جهت رتبه‌بندی اعتباری مشتریان بانکی، با استفاده از مدل‌های این پژوهش که عبارتند از: شبکه‌های عصبی با الگوریتم پس انتشارخطا، شبکه‌های عصبی"GMDH"، شبکه‌های عصبی با الگوریتم شعاع محور، مدل‌های "لاجیت"، "پروبیت" و تحلیل ممیزی، ارائه شده است. لذا، 200 نفر از مشتریان حقیقی یکی از بانک‌های دولتی در فواصل سال‌های 1390-1385 تا انتخاب شدند؛ که از این تعداد 105 نفرخوش‌حساب و 95 نفر از مشتریان بدحساب بوده‌اند. در مرحله اول 9 متغیر به‌‌عنوان متغیرهای بی‌اثر در وضعیت اعتباری مشتریان تشخیص داده شد که 5 متغیر حذف شدند. نهایتا مقایسه این مدل‌ها با یکدیگر نشان داد؛ که شبکه‌های عصبی با الگوریتم شعاع‌محور و شبکه‌های عصبی"GMDH" بالاترین دقت را در پیش‌بینی رفتار اعتباری مشتریان دارد.

رتبه‌بندی اعتباری، ریسک اعتباری، شبکه‌های عصبی، الگوریتم پس انتشار خطا، مدل GMDH، الگوریتم شعاع محور، مدل لاجیت، مدل پروبیت و مدل تحلیل ممیزی.