مدل پيش‌بيني مطالبات غيرجاري بانك‌ها با استفاده از الگوريتم جنگل تصادفي

مديريت نقدينگي از بزرگ‌ترين چالش‌هاي نظام بانكداري است. از عوامل مشكل‌ساز در مديريت نقدينگي، اين است كه برخي از وام‌ها كه با عنوان مطالبات غيرجاري تعريف مي‌شوند، به چرخهٔ نقدينگي برنمي‌گردند. پيش‌بيني مطالبات غيرجاري به مديريت بهينهٔ وجوه نقد بانك‌ها كمك مي‌كند. پيش‌بيني از طريق استخراج عوامل تعيين‌كننده و استفاده از مدل پيش‌بيني مناسب ميسر مي‌شود؛ لذا، اين مطالعه با هدف پيش‌بيني مديريت جريان وجوه نقد در مطالبات غيرجاري بانك‌ها در سه مرحله انجام شد. در مرحلهٔ اول، كليهٔ عوامل مرتبط با استفاده از روش فراتركيب و بررسي گستردهٔ پيشينه (بررسي ۱۹۴ مقاله) استخراج و دسته‌بندي شدند. دسته‌ها شامل ۱۰ طبقه عوامل تعيين‌كننده (۹۵ عامل)، ۱۱راهبرد كاهش، و ۱۲ پيامد بود. به‌دليل كثرت عوامل، ورود كليهٔ آن‌ها به مدل پيش‌بيني ميسر نبود؛ لذا در مرحلهٔ دوم، مهم‌ترين عوامل تعيين‌كننده با اجراي سه دور دلفي و استفاده از نظر خبرگان انتخاب شدند. خروجي اين مرحله، انتخاب چهار متغير اقتصاد كلان و ۵ متغير خاص بانك بود. در مرحلهٔ سوم، داده‌هاي متغيرهاي مدل براي سال‌هاي ۱۳۸۹ تا ۱۴۰۰ استخراج و براي پيش‌بيني از سه الگوريتم‌ يادگيري ماشيني جنگل تصادفي، K نزديك‌ترين همسايه، و رگرسيون لجستيك توبيت استفاده شد. نتايج نشان داد كه دقت پيش‌بيني مدل جنگل تصادفي از ساير مد‌ل‌هاي مورداستفاده بيشتر است.