بكارگيري روش‌هاي طبقه‌بندي هوشمند نرم به‌منظور تجزيه و تحليل مسائل امتيازدهي اعتباري

بسياري از محققين معتقدند كه بحران‌هاي مالي موجود در نظام‌هاي بانكي و كاهش ميزان سودآوري آن‌ها اصولاً ناشي از عدم توانايي لازم در مديريت ريسك‌هاي اعتباري است. امتيازدهي اعتباري يكي از شناخته‌شده‌ترين تكنيك‌هاي مديريت ريسك مي‌باشد كه ريسك وام‌گيرنده را تحليل و مشتريان را به دو گروه مشتريان خوش‌حساب يا افرادي كه ديون خود را به موقع بازپرداخت مي‌كنند و مشتريان بدحساب يا افرادي كه به احتمال مشخص قصوري در پرداخت ديون آن‌ها اتفاق خواهد افتاد، طبقه‌بندي مي‌‌نمايد. در اين مقاله با استفاده از مزاياي منحصر به‌فرد روش‌هاي هوش محاسباتي و محاسبات نرم يك روش تركيبي جديد به منظور بهبود كيفيت تصميمات مالي در كنترل و مديريت ريسك‌هاي اعتباري ارائه گرديده ‌است. در روش پيشنهادي، ابتدا سيستم مورد مطالعه با استفاده از شبكه‌هاي عصبي متامدل‌بندي‌شده و سپس با بكارگيري استنتاجات فازي، تصميم و سياست بهينه با بيشترين ميزان برتري تعيين خواهد شد. نتايج حاصل از بكارگيري روش پيشنهادي در مجموعه داده‌هاي اعتباري محك استراليا بيانگر كارآمدي و دقت بالاي اين روش در تحليل مسائل امتيازدهي اعتباري در مقايسه با ساير روش‌هاي موجود در ادبيات موضوع مي‌باشد.