بخشی از مقاله
چکیده
بانکها با توجه به تسهیلاتی که در اختیار اشخاص، سازمانها و شرکتهای مختلف قرار میدهند همواره در معرض ریسک اعتباری قرار میگیرند. ریسک اعتباری به عنوان خطر ناشی از عدم بازپرداخت به موقع تعهدات، توسط مشتریان بودهاست و یکی از مهمترین ریسکها در مؤسسات مالی و بانکها محسوب میشود. از مهمترین ابزارهای کنترل ریسک اعتباری که مورد تایید نهادهای بینالمللی نیز هست، عمل رتبهبندی و اعتبارسنجی مشتریان بوده که به دلیل افزایش حجم مطالبات معوق مورد توجه اغلب بانکها قرار گرفته است. در این تحقیق از شبکه عصبی مصنوعی چندلایه با الگوریتم پسانتشارخطا جهت رتبهبندی مشتریان بانک بر روی 1000 مشتری استفاده شد. شبکه عصبی مصنوعی با ساختار -30-45 - - 2 به عنوان بهترین ساختار معماری مورد استفاده قرار گرفت. با این روش توانستیم با دقت 81/1 مشتریان بانک را اعتبارسنجی کنیم.
واژگان کلیدی: ریسک اعتباری، رتبه بندی، اعتبارسنجی، شبکه عصبی، پس انتشارخطا
مقدمه
بانکها یکی از ارکانهای اصلی اقتصاد هر کشور محسوب میشوند که با توجه به رشد چشمگیر بازارها و نهادهای مالی، در سالهای اخیر اهمیت بیشتری یافتهاند. ارائه تسهیلات مالی یکی از فعالیتهای مهم نظام بانکی میباشد که به این منظور باید درجه اعتبار و قدرت گیرنده تسهیلات را در بازپرداخت به موقع اصل و سود تسهیلات اعطایی تعیین نمود. این امر از طریق اعتبارسنجی، منجر به کاهش ریسکهای بانکی از جمله ریسک اعتباری میشود . - Thomas, 2000 - بهمنظور کنترل و مدیریت ریسک مذکور، استفاده از سیستمهای رتبهبندی اعتباری مشتریان ضرورت یافته است. بهکارگیری سیستم رتبهبندی، شاخص و معیاری برای تنظیم نرخ سود و میزان وثایق فراهم میکند تا مشتریان با وضعیت اعتباری مناسب از آن بهرهمند شوند - دادمحمدی و همکاران، . - 1392
زمانیکه بانکها قصد دارند به مشتریان وام یا تسهیلات پرداختکنند، وضع اعتبار داراییها و خوشحسابی یا بدحسابی مشتری موردنظر را میسنجند و پس از بهدست آوردن اطلاعات لازم از جمله میزان سرمایه شرکتها، نسبتهای مالی و حجم صادرات آنها با استفاده از صورتهای مالی حسابرسی شده و میانگین موجودی سپرده مشتریان، میزان بدهی و تعهدات نزد بانک موردنظر و سایر بانکها اقدام به تصمیمگیری در این خصوص میکنند. حتی زمانیهم که مشتری درخواست اعتبار نکند، بانکها با سنجشی که انجام میدهند به مشتریان اعلام میکنند که چنانچه نیاز به تسهیلات دارند، تسهیلات در اختیارشان قرار میگیرد . - Ong et al, 2005 - در اکثر مطالعات این حوزه، از تکنیکهای دادهکاوی جهت کشف الگوها در دستهبندی اعتباری مشتریان استفاده شده است.
ازجمله این تکنیکها میتوان به درختهای تصمیمگیری، الگوریتم لاجیت و پروبیت، نزدیکترین همسایه، الگوریتمهای ژنتیک، GMDH و شبکههای عصبی اشاره کرد. از بین روشهای فوق شبکههای عصبی مصنوعی به طور وسیعتری در زمینههای مختلف بانکی مورد استفاده قرار گرفتهاند. شبکههای عصبی مصنوعی از جمله روشهای شناخت و طبقهبندی الگوها هستند . - Zhang & Patuwo, 2004 - این شبکهها به نوعی عملکرد مغز را شبیهسازی میکنند . - Dunne el al, 2007; Livingstone & Totowa, 2008 - شبکه عصبی مصنوعی در حل مسائلی که دارای راهحل الگوریتمی نیستند یا مسائلی که راهحل الگوریتمی بسیار پیچیدهای دارند و نیز مسائلی که برای انسانها آسان اما برای کامپیوترهای رایج دشوار هستند مانند تشخیص تصاویر و پیشبینیها بر پایه دانش گذشته به خوبی عمل کردهاند .[17]
به طور کلی مطالعات بسیاری در این زمینه صورت پذیرفته است که از میان آنها میتوان به مطالعات خارجی: سالچینبرگر - Salchenberger et al, 1992 - ، کوانتس و فانت - Coats & Fant, 1993 - ، آلتمن و همکاران - Altman, 1994 - ، لاچر و همکاران - Lacher et al, 1995 - ، دسایی - Desai et al, 1996 - ، پیراموتا - Piramutha, 1998 - ، دیوید وست - West, 2000 - ، تیان شیونگ و همکاران - Tian-Shyug et al, 2002 - ، موچینچین و شیهسینهوانگ - Chen & - Huang, 2003، حسین عبده و میثم رادپور - عبده و رادیور، - 1388، جیجنگ هاونگ و همکاران - Huiyang et al, - 2003 و مطالعات داخلی شامل: علی منصوری - منصوری، - 1382،پونه رویینتن - عربمازار و رویینتن، - 1384، پویا حسینی - حسینی، - 1387 ،محمدرضا راستی و مصطفی اختیاری - راستی و اختیاری، - 1390، مهدی تقوی و همکاران - تقوی و همکاران، - 1387، محمدرضا شورورزی و همکاران - شورورزی و همکاران، - 1391، محسن مهرآسا و همکاران - مهرآسا و همکاران، - 1390، دانیال دادمحمدی و عباس احمدی - دادمحمدی و احمدی، - 1392، سامان حسینی و همکاران - حسینی وهمکاران، - 1392، سیدحسین قدسیپور و همکاران - قدسیپور و همکاران، - 1391 و ابراهیم فربد بایزیدی و محمود محمدی - فربدبایزیدی و محمدی، - 1392 اشاره نمود.
در مطالعه انجام شده توسط آقای ابراهیم فربدبایزیدی و همکاران دریک جامعه آماری 524 مشتری نشان داده شده است که شبکههای عصبی با درصد تشخیص %70/1 از عملکرد بهتر و قویتری نسبت به سایر روشهای دادهکاوی از جمله ساختار درختی و رگرسیون لجستیک در رتبهبندی مشتریان برخوردار است - -Chien . - Huiyang, 2009در مقاله حاضر، هدف رتبهبندی اعتباری مشتریان است که برای رسیدن به این هدف ازشبکه عصبی مصنوعی پسانتشارخطا جهت طبقهبندی افراد به دو دسته خوشحساب و بدحساب استفاده شده است. سیستم هوشمند ارائه شده در این مقاله از آن جهت دارای اهمیت است که میتوان با وجود یک سیستم اطلاعاتی متمرکز و مبتنی بر تکنولوژی نوین و با معماری ویژه و ساختار داده استاندارد که دخالت عوامل انسانی را به حداقل میرساند، زمینهی تنبیه متخلفان و تشویق افراد خوشحساب را فراهم کرد.
دادهکاوی
دادهکاوی به عنوان مهمترین کاربرد انبارهای داده شناخته میشود. به وسیله دادهکاوی، دادههای موجود مورد تحلیل قرار می-گیرند تا روندهای احتمالی، ارتباطهای غیرمحسوس و الگوهای مخفی از بین انبوه دادهها شناسایی شوند. دادهکاوی ترکیبی از تکنیکهای یادگیری ماشین، تشخیص الگو، آمار تئوری پایگاه داده و خلاصه کردن و ارتباط بین مفاهیم و الگوهای جالب به صورت خودکار از پایگاههای داده شرکتهای بزرگ است. هدف اصلی دادهکاوی کمک به فرایند تصمیمگیری از طریق استخراج دانش از دادههاست. دادهکاوی، فرایندی تحلیلی است که برای کاوش دادهها - معمولا حجم عظیمی از دادهها در زمینههای کسب وکار و بازار - صورت میگیرد و یافتهها با بهکارگیری الگوهایی، احراز اعتبار میشوند. هدف اصلی دادهکاوی پیشبینی است. به صورت دقیقتر میتوان گفت کاوش دادهها شناسایی الگوهای صحیح، بدیع، سودمند و قابل درک از دادههای موجود در یک پایگاه داده است که با استفاده از پردازشهای معمول قابل دستیابی نیستند. یکی از مهمترین روشهای دادهکاوی شبکه عصبی مصنوعی میباشد.
شبکه عصبی
شبکه عصبی مصنوعی روش عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری میباشد. شبکه عصبی روشی برای محاسبه است که بر پایه اتصال به هم پیوستن چندین واحد پردازش ساخته میشود. شبکه از تعداد دلخواهی سلول، گره، واحد یا نرون تشکیل میشود که مجموعه ورودی را به خروجی ربط میدهند. نرونهامعمولاً به سه دسته تقسیم میشوند: نرونهای ورودی که ورودی را برای پردازش دریافت میکنند، نرونهای خروجی که حاوی نتیجه پردازش هستند و نرونهای میانی که به نام نرونهای پنهان نامیده میشوند.نرونهای ورودی از طریق منابع خارجی فعال میشوند. هر نرون ورودی پس از فعال شدن مقدار فعالسازی خود را به نرون-های پنهانی، که در اینجا از 1 تا 100 نرون در نظر گرفته شده میفرستد. هرکدام از نرونهای پنهان با توجه به مقادیری که از
