ارزيابي ريسك اعتباري مشتريان حقوقي بانك با دو رهيافت رگرسيون لاجيت و شبكه عصبي GMDH

چكیده این پژوهش با هدف ارزیابی ریسك اعتباری مشتریان حقوقی بانك بوسیله دو مدل رگرسیون لاجیت و شبكه عصبی با الگوریتم GMDH و انتخاب مدل بهینه انجام شده است. بدین منظور تعداد 011 پرونده از مشتریان حقوقی یكی از بانكهای خصوصی ایران با روش نمونه گیری تصادفی انتخاب و 01 متغیر شامل متغیرهای كیفی و اطلاعات مالی شركتها از آنها استخراج گردید. برای مدلسازی توسط رگرسیون لاجیت ابتدا 01 متغیر برای تخمین وارد مدل شدند و با حذف متغیرهایی كه در سطح اطمینان 59 درصد معنی دار نبودند، در نهایت 8 متغیرمستقل بعنوان متغیر های تاثیر گذار توسط این مدل شناسایی و مدل بهینه نهایی با آنها تخمین زده شد و دلالت بر تایید دو فرضیه از فرضیات تحقیق مبنی بر ارتباط معكوس سابقه فعالیت شركت نزد بانك و همچنین سرمایه شركت ها، با ریسك نكول تسهیلات داشت. در ادامه و با توجه به قابلیت مدل شبكه عصبی در تفكیك متغیرهای موثر و كم اثر، تمامی 01 متغیر مستقل وارد مدل شدند و با تخمین انجام شده 00 متغیر بعنوان عوامل با تاثیر بیشتر شناسایی گردید و با مقایسه نتایج حاصل از دو مدل دقت مدل شبكه عصبی با الگوریتم GMDH بیشتر از مدل لاجیت مشخص و تبیین گردید.